irracionalidad financiera, evidencia para el caso …
TRANSCRIPT
i
Universidad de Lima
Facultad de Ciencias Empresariales y Económicas
Carrera de Economía
IRRACIONALIDAD FINANCIERA,
EVIDENCIA PARA EL CASO PERUANO
2011-2015
Trabajo de investigación para optar el Título Profesional de Economista
Renzo Giovanni Milon Kahatt
Código 20111454
Asesor
Carlos Hugo Mendiburu Díaz
Lima – Perú
Diciembre de 2018
ii
iii
IRRACIONALIDAD FINANCIERA,
EVIDENCIA PARA EL CASO PERUANO
2011-2015
iv
TABLA DE CONTENIDO
INTRODUCCIÓN ................................................................................................... 1
CAPÍTULO I: ESTADO DEL ARTE .................................................................... 7
1.1 Las finanzas tradicionales ....................................................................... 7
1.1.1 La hipótesis de eficiencia del mercado ................................................... 8
1.2 Las finanzas conductuales ....................................................................... 10
1.2.1 La teoría prospectiva ............................................................................... 13
1.2.2 La heurística ............................................................................................ 17
1.3 Sesgos conductuales ................................................................................ 18
1.3.1 Exceso de confianza ................................................................................ 18
1.3.2 Representatividad .................................................................................... 19
1.3.3 Efecto manada ......................................................................................... 20
1.3.4 Anclaje .................................................................................................... 21
1.3.5 Disonancia cognitiva ............................................................................... 22
1.3.6 Aversión al arrepentimiento .................................................................... 24
1.3.7 Falacias del jugador ................................................................................ 24
1.3.8 Contabilidad mental ................................................................................ 25
1.3.9 Retrospectiva ........................................................................................... 26
1.4 La teoría de “empujones”: Nudge Theory .............................................. 26
CAPÍTULO II: METODOLOGÍA DE ANÁLISIS .............................................. 30
2.1 La encuesta .............................................................................................. 30
2.2 Análisis discriminante ............................................................................. 33
v
CAPÍTULO III: ANÁLISIS DE EVIDENCIA EMPÍRICA ............................... 36
3.1 Test de multicolinealidad ........................................................................ 37
3.2 Efecto de la caída de la bolsa de valores de Lima en los portafolios ...... 45
3.3 Análisis discriminante ............................................................................. 47
3.4 Impacto independiente de los sesgos conductuales ................................ 54
3.4.1 Exceso de confianza ................................................................................ 55
3.4.2 Representatividad .................................................................................... 58
3.4.3 Efecto manada ......................................................................................... 60
3.4.4 Anclaje .................................................................................................... 65
3.4.5 Disonancia cognitiva ............................................................................... 67
3.4.6 Temor al arrepentimiento ........................................................................ 70
3.4.7 Falacia del jugador .................................................................................. 72
3.4.8 Contabilidad mental ................................................................................ 74
3.4.9 Retrospectiva ........................................................................................... 76
CAPÍTULO IV: RESUMEN DE RESULTADOS ................................................ 79
4.1 Efectos claves y consecuencias ............................................................... 82
CONCLUSIONES ................................................................................................... 84
RECOMENDACIONES ......................................................................................... 86
REFERENCIAS ....................................................................................................... 88
BIBLIOGRFÍA…………………………………………………………….…..…..94
ANEXOS ……………………………………………………………………….….100
vi
ÍNDICE DE TABLAS
Tabla 3.1 Matriz de correlación de variables …………………………….….…...39
Tabla 3.2 Estadísticos de colinearidad (exceso de confianza) ……….….….……41
Tabla 3.3 Estadísticos de colinearidad (representatividad)………………...…..…41
Tabla 3.4 Estadísticos de colinearidad (temor al arrepentimiento)…….………....42
Tabla 3.5 Estadísticos de colinearidad (efecto manada)…………………..…....…42
Tabla 3.6 Estadísticos de colinearidad (anclaje)……………………………….…43
Tabla 3.7 Estadísticos de colinearidad (falacia del jugador) ………………....…..43
Tabla 3.8 Estadísticos de colinearidad (contabilidad mental)……………….……44
Tabla 3.9 Pérdidas incurridas por grupos de inversionistas……..……………..…45
Tabla 3.10 Test chi cuadrado (experiencia de los inversionistas y pérdidas del
portafolio)……..…………………………………………………….….46
Tabla 3.11 Análisis discriminante (group statistics)…………………..…….…...…47
Tabla 3.12 Análisis discriminante (test de igualdad de medias)……………….…..48
Tabla 3.13 Análisis discriminante (prueba M de Box)……………………...…...…49
Tabla 3.14 Análisis discriminante (test de Wilk’s Lambda)………………..….......50
Tabla 3.15 Análisis discriminante (coeficientes estandarizados canónicos)…..…...51
Tabla 3.16 Análisis discriminante (matriz de estructura)…………….………….....52
Tabla 3.17 Análisis discriminante (tabla de clasificación)…………………...….....53
Tabla 3.18 Análisis discriminante (coeficientes canónicos no estandarizados) …...54
Tabla 3.19 Clasificación de las preguntas de la encuesta, según sesgo conductual..55
Tabla 3.20 Exceso de confianza – tabla de contingencia……..…………..…….….56
Tabla 3.21 Exceso de confianza – test chi-cuadrado I………………….……….…56
vii
Tabla 3.22 Exceso de confianza – test chi-cuadrado II ………………………..…57
Tabla 3.23 Exceso de confianza – puntajes ponderados……………….…..……….57
Tabla 3.24 Representatividad – tabla de contingencia……………..….…….….….59
Tabla 3.25 Representatividad – puntajes ponderados…………………….…….…..60
Tabla 3.26 Efecto manada preliminar – tabla de contingencia II………………..…61
Tabla 3.27 Efecto manada preliminar – tabla de contingencia II…………………..62
Tabla 3.28 Efecto manada preliminar – tabla de contingencia III……………….....63
Tabla 3.29 Efecto manada – tabla de contingencia……………..……………….…63
Tabla 3.30 Efecto manada – puntajes ponderados…………………………....…….64
Tabla 3.31 Efecto manada – test chi-cuadrado………………………………..……65
Tabla 3.32 Anclaje – tabla de contingencia…………………………..…………….66
Tabla 3.33 Anclaje – test chi-cuadrado…………………………………….………67
Tabla 3.34 Anclaje – puntajes ponderados………………..………………………..67
Tabla 3.35 Disonancia cognitiva – tabla de contingencia……………...…………..69
Tabla 3.36 Disonancia cognitiva – puntajes ponderados……………………..…….69
Tabla 3.37 Disonancia cognitiva – test chi-cuadrado…….…………..……………70
Tabla 3.38 Temor al arrepentimiento – tabla de contingencia……………......……71
Tabla 3.39 Temor al arrepentimiento – test chi-cuadrado………..………….….….71
Tabla 3.40 Temor al arrepentimiento – puntajes ponderados………….……….…..72
Tabla 3.41 Falacia del jugador – tabla de contingencia I…………………………..73
Tabla 3.42 Falacia del jugador – tabla de contingencia II………………….………73
Tabla 3.43 Falacia del jugador – puntajes ponderados……………………………..74
Tabla 3.44 Contabilidad mental – tabla de contingencia …………………………..75
Tabla 3.45 Contabilidad mental – test chi-cuadrado………………………....…….75
Tabla 3.46 Contabilidad mental – puntajes ponderados……………………...……76
viii
Tabla 3.47 Retrospectivo – tabla de contingencia I………………………………...77
Tabla 3.48 Retrospectivo – tabla de contingencia II…………………………...…..77
Tabla 3.49 Retrospectivo – puntajes ponderados……………………………….….78
Tabla 4.1 Análisis discriminante – resumen de resultados……….……...…....…..80
Tabla 4.2 Método de puntajes ponderados – resumen de resultados.……...….…..81
Tabla 4.3 Pruebas chi-cuadrado – resumen tablas de contingencia……….………81
Tabla 4.4 Efectos y consecuencias – resumen……………………….…...……….82
Tabla 4.5 Conocimiento de las finanzas conductuales……………….…...………83
ix
ÍNDICE DE FIGURAS
Figura 1.1 Financias conductuales ……………………………….……………….12
Figura 1.2 Función de utilidad de la teoría prospectiva……………………………16
Figura 3.1 Rango de edades de los inversionistas……...……………………......... 36
Figura 3.2 Separación de dato en dos sub muestras ………………………...….….37
x
ÍNDICE DE ANEXOS
Anexo 1 Encuesta ………………………………………………………….101
1
INTRODUCCIÓN
“The investor’s chief problem – and even his worst enemy – is likely to be
himself.” - (Graham, 1949)
Desde la Crisis Mundial del 2008 los mercados financieros se han visto plagados por
escenarios de alta volatilidad, miedo e incertidumbre.
Hoy en día muchos expertos y analistas tratan de entender estos mismos mercados
utilizando distintos modelos de diversos grados de complejidad, pero siempre basados en
una misma premisa central: Los inversionistas son personas “racionales”.
De acuerdo a Nofsinger (2002) el campo de las finanzas ha evolucionado en las
últimas décadas basado en la suposición de que las personas toman decisiones racionales
y sus predicciones del futuro no están sesgadas. Se asume por lo tanto que los
inversionistas toman decisiones meticulosas, económicamente calculadas y viables
siempre. Sin embargo, esta suposición de racionalidad e imparcialidad en las personas ha
sido cuestionada por psicólogos por mucho tiempo.
De acuerdo a Thaler1 (2005) un inversionista racional es alguien que:
▪ Al recibir nueva información, actualiza sus creencias de manera puntual y
apropiada.
▪ Toma decisiones normativamente correctas.
Pero la realidad es otra, “La evidencia revela continuos patrones de irracionalidad,
inconsistencia e incompetencia en la manera en que los seres humanos toman decisiones
al ser sujetos a la incerteza” (Bernstein, 1998).
1 Premiado con el premio Nobel de economía en 2017.
2
En el periodo 1920-2015 se han presentado en el mundo más de 120 crisis
financieras y 45 bancarias particularmente en los países emergentes, lo cual ha generado
volatilidad, incertidumbre e inestabilidad en todo el mundo.
El ejemplo más grande, conocido y documentado de esto sucedió el 15 de
septiembre del 2008 cuando una “anomalía de mercado” sacudió los cimientos de la
economía mundial y provocó la Crisis Financiera más grande de la historia de la
humanidad; ésta se originó en Estados Unidos y se expandió rápidamente causando
estragos por todo el mundo.
Las finanzas conductuales nacen como una alternativa al paradigma vigente
actual. Éstas argumentan que sin la suposición de “racionalidad” varios fenómenos
financieros serían más comprensibles. La propuesta de esta nueva rama de la economía
es simple: complementar y combinar los modelos de finanzas tradicionales con la
psicología cognitiva con el objetivo de crear un modelo más completo del
comportamiento humano en el proceso de toma de decisiones (Thaler, 2005).
Desde un punto de vista práctico, las finanzas conductuales permiten identificar
ciertos conceptos que impulsan a los seres humanos a comportarse de manera irracional
y esto los lleva a tomar decisiones sub óptimas.
Es claro por lo tanto que los seres humanos son susceptibles a diferentes sesgos
conductuales; un ejemplo de esto es la anomalía llamada “Anchoring” o Anclaje que
ocurre cuando un individuo confía demasiado en cierta información específica (llamada
ancla) al tomar decisiones.
El inversionista peruano no debería ser la excepción y la alta volatilidad en el
Índice General de la Bolsa de Valores de Lima (IGBVL) en el periodo entre 2005-2015
lo sugiere.
La presente tesis tiene como objetivo analizar la existencia y el impacto de
factores conductuales en los procesos de toma de decisión de inversionistas peruanos;
evaluando concretamente la presencia de sesgos conductuales y sus consecuencias en las
decisiones de inversión. Todo esto con el fin de concientizar a los inversionistas,
optimizar sus decisiones y limitar la proliferación de anomalías de mercado.
3
Se buscó en primer lugar describir y analizar la evolución y las limitaciones de la
teoría de finanzas conductuales en la identificación y cuantificación de 9 sesgos
conductuales en inversionistas peruanos.
En total la presente tesis analiza los efectos de nueve sesgos conductuales: Exceso
de confianza, representatividad, efecto manada, anclaje, disonancia cognitiva, aversión a
las pérdidas, falacia del jugador, contabilidad mental y sesgo de disponibilidad.
El primer objetivo específico es identificar los sesgos que tengan mayor
frecuencia e incidencia para reconocerlos y posiblemente establecer una estrategia para
mitigar o controlar sus efectos.
El segundo objetivo específico es comparar los resultados obtenidos con el
comportamiento del mercado financiero peruano.
La hipótesis principal de la tesis estipula que existen ciertos sesgos conductuales
que afectan las decisiones de inversionistas peruanos y la generalización de éstos puede
ocasionar anomalías de comportamiento en la Bolsa de Valores de Lima (BVL).
La primera hipótesis específica es que el número de años de experiencia de los
inversionistas considerados no reduce la frecuencia y la incidencia de los sesgos
conductuales en la toma de decisiones.
La segunda hipótesis específica considera que los sesgos conductuales que se
presentan con mayor frecuencia son “efecto manada”, “exceso de confianza” y anclaje”
sesgos que pueden generar burbujas y caídas de precios en el mercado de valores peruano.
La fuente primaria de información ha sido obtenida utilizando un cuestionario que
fue repartido virtualmente de manera individual a cada uno de los inversionistas a
analizar. Para lograr los objetivos previamente identificados se analizó el periodo 2000-
2015.
Esta investigación ha tomado como referencia e inspiración la investigación
realizada por Rahul Subash “Role of Behavioral Finance in Portfolio Investment
Decisions: Evidence from India” entre 2011-2012 y publicada por la Charles University
de Praga.
4
La metodología de análisis y la elaboración de las encuestas han sido tomadas del
estudio mencionado anteriormente, que buscaba analizar la presencia de 9 sesgos
conductuales en una muestra de inversionistas indios.
El perfil de la muestra son inversionistas individuales, brokers, agentes o
representantes de bancos de inversión y/o fondos mutuos y estudiantes universitarios que
tengan un historial real de transacciones en la BVL y conocimientos de mercado de
capitales.
Se utilizaron las encuestas para obtener ideas y percepciones de la experiencia de
los participantes en función a su conducta y decisiones de inversión. Estas preguntas han
sido adaptadas del cuestionario realizado por Subash (2012).
Se eligió este método para recopilar data primaria por tres razones principales:
i. Es una manera práctica de acercarse a inversionistas reales y permite obtener
ideas en base a sus experiencias pasadas.
ii. Es más factible que los inversionistas provean información confiable ya que
la naturaleza de la encuesta es anónima.
iii. No existe en Perú ninguna base de datos o fuente de información académica
o privada de donde se pueda tomar datos relacionados a finanzas
conductuales.
En esta investigación se realizó un estudio comparativo para categorizar
inversionistas entre jóvenes y experimentados, para determinar analíticamente factores
que puedan identificar similitudes o diferencias entre patrones específicos de
comportamiento.
El cuestionario realizado mediante una encuesta simplifica la logística de la
recopilación de información. Esto también ha permitido no comprometer el tiempo de los
inversionistas y darles la libertad para que contesten las preguntas cuando puedan darse
el tiempo, lo que ha permitido una mejor disposición para responder las preguntas
realizadas.
El perfil de la muestra ha sido creado en base a un criterio, el número de años de
experiencia en la bolsa de valores, debido a que se considera que estos influyen en la
manera en que los sesgos conductuales afectan a los inversionistas. La muestra ha sido
5
partida en dos grupos de inversionistas para obtener inversionistas jóvenes e
inversionistas experimentados.
El periodo 2000-2015 es apropiado para el análisis ya que ha sido para Perú un
periodo de crecimiento pero con importantes fluctuaciones, debido a cambios en el
entorno internacional y a factores internos.
Si bien el entorno ha sido relativamente estable económicamente para el Perú, nos
ha provisto de información que cuenta con decisiones de inversionistas durante periodos
de crecimiento y bonanza económica general pero también de crisis internacional en los
mercados financieros y desaceleración económica.
La data recolectada ha sido procesada utilizando herramientas como promedios
ponderados, porcentajes, técnicas de escalamiento en SPSS2 y el análisis discriminante.
Se han codificado 10 variables en SPSS, una de ellas dicotómica que representa
el grupo al que pertenece el inversionista, las 9 restantes corresponden cada una a un
sesgo conductual, estas han sido creadas mediante técnicas de escalamiento como 3-point
y 5-point Likert y también mediante media aritmética. Se ha realizado un análisis que
permite eliminar la posibilidad de multicolinealidad, y un análisis discriminante para
comprobar si los sesgos conductuales afectan de manera diferenciada a los inversionistas
jóvenes frente a los inversionistas experimentados.
Descripción de capítulos:
En el primer capítulo se tocarán aspectos relevantes acerca de la teoría clásica económica,
la hipótesis de eficiencia de mercado e introducción a las Finanzas Conductuales,
específicamente se tratan los temas de anomalías de mercado, los procesos de toma de
decisiones y la teoría de “empujones”; en el segundo capítulo se explicará la metodología
de análisis donde se incluye el diseño de la investigación, el perfil de la muestra, la
recolección de datos y los métodos empleados; en el tercer capítulo se presentará un
análisis empírico de los datos y el procesamiento de los mismos; en el cuarto capítulo se
presentará el impacto de los sesgos conductuales y sus consecuencias en los
2 IBM SPSS Statistics.
6
inversionistas analizados; finalmente en el último capítulo se presentará un resumen de
los resultados, las conclusiones y las recomendaciones.
7
CAPÍTULO I: ESTADO DEL ARTE
1.1 Las finanzas tradicionales
Según Rahul Subash (2012) hay dos paradigmas clave dentro de la teoría tradicional de
las finanzas:
i. Los agentes son perfectamente racionales: esto implica que toda nueva
información disponible es interpretada correcta y uniformemente por todos
los agentes al actualizar sus creencias.
ii. Los mercados son eficientes: La hipótesis de eficiencia de mercado estipula
que toda información relevante será reflejada en los precios de mercado de
manera instantánea y completa (Fama, 1965). Si esta hipótesis se cumpliera
no existiría ninguna decisión de inversión o estrategia que logre obtener
consistentemente rentabilidades por sobre el promedio de mercado.
A pesar de esto en los mercados de valores de todo el mundo existen y se
presentan anomalías y comportamientos que no pueden ser explicados bajo las finanzas
tradicionales.
Algunos ejemplos de estas anomalías son:
i. El Efecto Enero, durante los últimos días del mes de diciembre las
cotizaciones de ciertas empresas en la bolsa tienden a bajar. Esto produce en
los primeros días del mes de enero rentabilidades anormalmente elevadas.
Por lo tanto, en este caso los precios de una acción se incrementan sin
fundamentos económicos. Esta anomalía fue observada por primera
vez en 1942 por el banquero Sidney B. Wachtel.
ii. La Maldición del Ganador, cuando el ganador de una subasta termina
habiendo pagado un precio mayor al valor intrínseco de un bien
principalmente debido a información incompleta y la sobreestimación del
valor del bien por su parte y de sus competidores (Thaler R. , 1988).
iii. Efecto Tamaño: Este se da cuando los rendimientos de empresas de menor
tamaño superan los rendimientos de empresas de mayor tamaño incluso luego
8
de ajustar el rendimiento al riesgo relativo. Esto podría ocurrir si el modelo
CAPM3 no refleja correctamente el mayor riesgo correspondiente a invertir
en empresas de menor tamaño.
iv. Efecto cambio del mes: Las acciones suelen brindar rendimientos positivos
los últimos días de un mes y las primeras dos semanas del siguiente.
v. Efecto PER: El Ratio Precio-Beneficio (PER), es el ratio obtenido de la
división del precio de una acción entre la utilidad por acción que genera dicha
acción. Este ratio mide la relación entre el precio de una acción y el beneficio
que ofrece al accionista, es decir cuántas veces se paga el beneficio neto
anual con el precio unitario de una acción. La anomalía se refiere a que
acciones con un ratio PER bajo proporcionan rentabilidades superiores al
promedio.
1.1.1 La hipótesis de eficiencia del mercado
An 'efficient' market is defined as a market where there are large numbers of rational,
profit-maximizers actively competing, with each trying to predict future market values of
individual securities, and where important current information is almost freely available
to all participants. In an efficient market, competition among the many intelligent
participants leads to a situation where, at any point in time, actual prices of individual
securities already reflect the effects of information based both on events that have already
occurred and on events which, as of now, the market expects to take place in the future.
In other words, in an efficient market at any point in time the actual price of a security
will be a good estimate of its intrinsic value." (Fama, 1965)
La hipótesis de eficiencia de mercado es uno de los principales fundamentos de
las finanzas tradicionales, esta hipótesis fue desarrollada en “Random Walks in Stock
Market Prices” en 1965 por el profesor Eugene Fama y finalmente publicada en “Efficient
Capital Markets” en 1970.
3 El Modelo de Capital Asset Pricing Model o (CAPM), creado por William Sharpe y publicado en 1970
en el libro “Portfolio Theory and Capital Markets” es un modelo que ayuda a los inversionistas a calcular
el riesgo de una inversión y cuál debería ser el retorno esperado por esa inversión.
9
Con Random Walks in Stock Market Prices (1965) Fama apoya el modelo de
“Caminatas Aleatorias” como una mejor alternativa ante los modelos de predicción de
precios en el mercado de valores. Estos modelos previos eran el análisis técnico y el
análisis fundamental. El análisis técnico y el análisis fundamental son dos técnicas de
predicción de los precios futuros de las acciones mediante dos métodos diferentes: El
análisis técnico parte de la premisa de que la historia tiende a repetirse y por lo tanto
existen patrones identificables en el comportamiento del precio de las acciones que
permitirían “predecir” en cierta medida el comportamiento futuro de una acción mediante
su comportamiento pasado. Por otro lado, el análisis fundamental parte de la suposición
de que toda acción tiene un valor intrínseco en un momento del tiempo, este valor
depende de las ganancias potenciales que esta acción puede generar y ya que el precio de
la acción depende de factores como la gestión de la empresa, la industria, la economía,
etc, es posible analizar estos factores para determinar si el valor de la acción en el
mercado es mayor o menor a este valor intrínseco para predecir si el precio de la acción
en el futuro aumentará o caerá.
El modelo de “Caminatas Aleatorias” explicado por Fama (1965) propone que
en un mercado eficiente existe un gran número de actores racionales tratando de
maximizar su utilidad al predecir los valores futuros de acciones en el mercado, en un
ambiente donde la información es gratis y disponible para todos. La competencia entre
los participantes crea una situación en la cual en todo momento el precio de una acción
refleja su valor intrínseco ya que se basan en la información disponible y en las
expectativas futuras. En el caso de que ciertos inversionistas sean irracionales el arbitraje
racional del resto eliminaría la influencia de los inversionistas irracionales sobre el precio.
Por otro lado, si los inversionistas racionales trataran de tomar ventaja sobre estos
conocimientos sus acciones terminarían por neutralizarse unas a otras sin afectar los
precios (Fama, 1965).
La teoría de caminatas aleatorias propone que los cambios sucesivos de precios
son independientes y por lo tanto el pasado no puede predecir el futuro ya que los precios
históricos, los retornos y otra información son incorporados completamente en los
precios, lo que haría imposible la posibilidad de obtener retornos basados en el análisis
técnico. Por otro lado, el análisis fundamental sería completamente innecesario en un
mercado de caminatas aleatorias debido a que sería imposible para un inversionista
10
obtener retornos superiores a la media mediante el uso de información disponible al
público ya que esta se incorpora inmediatamente en los precios. En el caso hipotético de
que los analistas fueran capaces de predecir la ocurrencia de ciertos eventos que afecten
el valor intrínseco de una acción esto no correspondería a individuos aislados y en
conjunto estos individuos beneficiarían conjuntamente al resto de inversionistas
incorporando la información rápidamente. En un mercado de caminatas aleatorias por lo
tanto un inversionista mediocre produciría el mismo retorno que un analista altamente
calificado.
Esta hipótesis guarda una estrecha relación con la idea de caminatas aleatorias en
la definición de precios de mercado. Luego de casi 46 años la hipótesis de eficiencia de
mercado continúa siendo uno de los paradigmas financieros centrales de las finanzas
tradicionales.
1.2 Las finanzas conductuales
Las finanzas conductuales son una nueva rama de la economía que integra las finanzas,
la psicología y la sociología para estudiar ciertos elementos, patrones y anomalías que las
finanzas tradicionales no han logrado explicar satisfactoriamente. Las finanzas
conductuales rompen con los paradigmas tradicionales de las finanzas ya que incorporan
conceptos y modelos significativamente diferentes. Uno de los factores clave que las
diferencian es que las finanzas conductuales presentan un enfoque donde se pone en tela
de juicio la supuesta “racionalidad” de los individuos en el momento de tomar decisiones
de inversión. A los seres humanos les preocupan y afectan muchos elementos además de
la utilidad esperada y el riesgo inherente. Existe una infinidad de otros factores que
afectan directamente los procesos cognitivos ya que todo tipo de decisión humana incluye
un proceso emocional y las decisiones de inversión no son la excepción. Se cree que esta
nueva visión del comportamiento humano es capaz de explicar anomalías de mercado,
detectar sesgos conductuales en las decisiones de inversión de los inversionistas y de
cierta manera ayudar a mitigarlos.
De acuerdo a la propuesta realizada por Schindler (2007 citado en Cano &
Cardoso, 2015) hay tres pilares sobre los que se basan las finanzas conductuales:
11
1. Límites al arbitraje4: En un ambiente donde individuos racionales e
irracionales interactúan el efecto del comportamiento irracional tiene un
impacto substancial en los precios. Por lo tanto, en las finanzas conductuales
se busca explicar oportunidades de arbitraje que no desaparecen rápidamente.
2. Psicología: Para explicar la irracionalidad de los inversores y su proceso de
toma de decisiones las finanzas conductuales se basan en la evidencia
recopilada por la psicología cognitiva y en los sesgos que nacen cuando las
personas forman sus creencias y preferencias, y en la forma en que toman
decisiones de inversión a partir de éstas, ver Barberis & Thaler (2003 citado en
Cano & Cardoso, 2015).
3. Sociología: A pesar de que en teoría cada inversionista toma decisiones
individuales sin influencia externa, en la práctica esto no se aplica. Se ha
comprobado que las transacciones financieras y los movimientos de los
mercados son fenómenos fundamentalmente sociales, en la medida de que las
personas actúan y transan en los mercados financieros de manera colectiva e
influenciados por el comportamiento de otros actores, la sociología cobra
importancia como disciplina dentro de las finanzas conductuales.
Las finanzas conductuales por lo tanto son una integración multidisciplinaria de
la psicología, la sociología y la teoría financiera con el objetivo de comprender cómo los
factores conductuales y sociales afectan los procesos de toma de decisiones financieras
de los agentes económicos, y de esta manera, se puede llegar a desarrollar una
comprensión más profunda y rica de los mercados financieros.
4 El arbitraje en economía y finanzas es la práctica que permite obtener una utilidad instantánea y libre de
riesgo debido a un desequilibrio de precios entre dos o más mercados.
12
Figura 1.1
Finanzas conductuales
Fuente: Schindler (Rumors in Financial Markets: Insights into Behavioral Finance, 2007) elaboración
propia. Revisado en abril 2016.
De acuerdo a Cano & Cardoso (2015) existen tres puntos claves que diferencian
las finanzas conductuales de las finanzas tradicionales:
i. Racionalidad del Inversor: La hipótesis de eficiencia de mercado asume que
los agentes económicos buscan maximizar su utilidad y toman decisiones
óptimas basándose en un análisis de costo y beneficio. Las finanzas
conductuales por su parte han documentado una significativa serie de
desviaciones acerca de la racionalidad de mercado, estas desviaciones son los
sesgos conductuales que se presentan cuando el proceso de toma de decisiones
se realiza bajo incertidumbre y conducen normalmente a resultados no
deseados.
ii. Eficiencia Informativa: En la realidad los precios no reflejan toda la
información relevante, existe información pública y privada que no logra
reflejarse correctamente muchas veces.
13
iii. El rol de la información en el proceso de toma de decisiones: Para la hipótesis
de eficiencia de mercado la información es el único factor que influencia la
toma de decisiones, sin embargo, las finanzas conductuales incorporan otros
factores (psicológicos, cognitivos y conductuales) los cuales también afectan
el proceso de toma de decisiones de los agentes.
1.2.1 La teoría prospectiva
Esta teoría fue concebida originalmente por Kahneman y Tversky en 1979,
posteriormente en el 2002 Daniel Kahneman fue premiado con el premio Nobel en
economía por sus descubrimientos.
La teoría es desarrollada para prospectos simples con resultados monetarios y
probabilidades definidas.
Esta teoría identifica dos fases diferentes en el proceso de toma de decisiones, una
fase de edición o también conocida como framing o “encuadre” y la segunda consiste en
una fase de evaluación.
En el ámbito de la teoría social se denomina encuadre (en inglés, frame) a un
esquema de interpretación o una colección de anécdotas y estereotipos, sobre los cuales
se basan los individuos para entender y responder ante eventos o determinadas
situaciones (Goffman, 1974). En la fase de edición o encuadre el individuo realiza una
fase preliminar de análisis de los prospectos ofrecidos, en ésta normalmente el agente
simplifica mentalmente cada posible decisión, lo cual lo ayuda a decidir. En la segunda
fase los modelos creados por el individuo son evaluados y se elige el prospecto que
permite obtener la máxima utilidad. De esta manera la fase de edición sirve para organizar
y reformular las opciones “encuadrándolas”, de manera que se cree un método que
permita simplificar decisiones posteriores.
La teoría prospectiva evidencia mediante experimentos empíricos que las
personas subestiman los resultados probables en comparación a los que son seguros. Esto
se debe a que tienden a darle mayor importancia o “peso” a los resultados percibidos con
mayor certeza respecto a los que se consideran solo probables. Esto explica la aversión
al riesgo en el caso de que las ganancias sean seguras y una interesante atracción hacia el
14
riesgo en alternativas que presentan pérdidas probables y no certeras, esto es llamado por
los autores “efecto reflejo” (Kahneman & Tversky, 1979).
Esta teoría demuestra irregularidades en el comportamiento humano cuando
existe la necesidad de tomar decisiones concernientes a riesgos bajo condiciones de
incertidumbre. Las personas terminan dándole mayor peso a los resultados que son
percibidos como “ciertos” con respecto a los que se consideran solo probables. Esto es
conocido como “efecto certeza” (Kahneman & Tversky, 1979).
La teoría también presenta evidencia de que los agentes muchas veces no analizan
la posición final de beneficio en la que se encuentran, sino que consideran ganancias y
pérdidas en función a algún punto de referencia subjetivo. Este punto de referencia
debería corresponder a la situación actual de un activo, pero en muchos casos no lo es ya
que este punto es afectado por las expectativas del agente o por la formulación de los
prospectos creados.
La función de maximización de utilidad por lo tanto es diferente. En la teoría
moderna de portafolio la maximización de utilidad se basa en la posición final de
bienestar mientras que en la teoría prospectiva las continuas ganancias y pérdidas
importan. Esto implica que las personas toman decisiones diferentes para situaciones que
aportan niveles de bienestar final idénticos. Las ganancias y pérdidas terminan siendo
medidas en base a un punto de referencia neutro y los cambios son medidos en términos
relativos en vez de absolutos Kahneman & Tversky (1979) .
Odean (1998) explica que una de las implicaciones de la teoría prospectiva es que
cuando los agentes se encuentran frente una decisión que involucra dos o tres resultados
potenciales simples, estos se comportan como si maximizaran una función de utilidad en
forma de S. Esta función se define bajo un enfoque de ganancias y pérdidas y no bajo
niveles de utilidad, es cóncava en el cuadrante de las ganancias (lo que implica aversión
al riesgo) y convexa en el de pérdidas (lo que implica que se es amante al riesgo). Además
de esto la función es más empinada para las pérdidas que para las ganancias lo cual refleja
que la mayor cantidad de agentes son adversos al riesgo.
Un interesante ejemplo que permite una mejor comprensión de este
comportamiento es el experimento conducido por Kahneman y Tversky (1981):
15
En este experimento se presenta el siguiente problema bajo dos formas o encuadres: Se
espera que una enfermedad contagiosa mate a 600 personas, se crean dos programas para
combatirla, pero solo se puede implementar uno. En el primero (A) 200 personas serán
salvadas, en el programa (B) existe 1/3 de probabilidad de salvar a 600 personas y 2/3 de
que ninguna sea salvada. El 72% de los participantes en el estudio eligieron la opción A
lo que demuestra que son adversos al riesgo aún ante la opción de B que da la misma
utilidad esperada 1/3 de salvar a 600. En teoría los individuos racionales no deberían
cambiar sus decisiones ante cambios en la formulación de un problema si los resultados
son los mismos, pero en el segundo experimento brindó respuestas completamente
opuestas al primero. Para el mismo problema, si se aplica el programa (C) 400 personas
morirán y si se aplica el programa (D) existe 1/3 de probabilidad de que nadie muera y
2/3 de probabilidad de que los 600 mueran. El 78% de los participantes eligió la opción
D ya que la certeza de la muerte de 400 es menos aceptable que la probabilidad de que
600 mueran. Por lo tanto, los participantes ante este problema se convirtieron en
buscadores de riesgo solo con el cambio de la formulación del problema. Si nos damos
cuenta los problemas (A) y (C) así como (B) y (D) son idénticos solo cambiando la
formulación. En (A) y (B) se habla de personas salvadas (ganancia) y en (B) y (D) se
habla de personas muertas (pérdida).
16
Figura 1.2
Función de utilidad de la teoría prospectiva
Fuente: Kahneman &Tversky 1979, elaboración propia, abril 2016.
La forma de la función implica que un cambio determinado en ganancias o
pérdidas tiene menor efecto en el valor experimentado por el inversionista cuando la
distancia del punto de referencia es grande. Por ejemplo, si una persona ha sufrido
grandes pérdidas en operaciones recientes presenta una mayor probabilidad de asumir
niveles de riesgo que serían impensables en otro momento, todo con el objetivo de
recuperar su capital (Odean T. , 1998).
Otro elemento interesante de la teoría prospectiva de Kahneman y Tversky es que
considera que los individuos reemplazan las probabilidades por decisiones ponderadas.
Es decir, si a un agente se le presentan dos decisiones diferentes, cada una con una
probabilidad de suceso, estas probabilidades no serán utilizadas concretamente por el
individuo ya que a partir del punto de referencia que este utilice cada probabilidad se
transforma en una decisión ponderada creada por el agente. Estas decisiones ponderadas
son generalmente menores a sus probabilidades correspondientes, con excepción a
cuando las probabilidades se encuentran en un rango muy bajo. En la teoría prospectiva
Valor
Punto de referencia
GananciasPerdidas
17
el valor de cada resultado es multiplicado por la decisión ponderada (el peso otorgado a
dicha decisión), estos pesos son creados por los agentes de manera subjetiva, pero cabe
resaltar que no son probabilidades propiamente dichas y no deberían ser interpretadas
como medidas de rango o confianza (Kahneman & Tversky, 1979).
1.2.2 La heurística
La heurística en resolución de problemas consiste en un procedimiento mediante el cual
las personas resuelven problemas particulares. Este proceso mental ha sido reconocido y
estudiado en psicología debido a que está presente en muchas de nuestras decisiones
cotidianas y también en ciertas decisiones particulares.
Algunos autores como Daniel Kahneman y Amos Tversky definen la heurística
como “reglas” simples y eficientes que las personas establecen para resolver problemas
complejos o sobre los cuales no existe información completa. Por lo tanto, en sí la
heurística puede ser descrita como una estrategia o “atajos” que ayudan a los agentes a
tomar decisiones sin involucrar muchos recursos mentales. Un ejemplo de “atajos
heurísticos” son los estereotipos, estos son modelos pre establecidos por los agentes que
les permiten agilizar la toma de decisiones sin realizar extensos análisis.
Shefrin en su libro Beyond Greed and Fear (2000) presenta un concepto
interesante de Heurística: El ser humano, muchas veces no es capaz de procesar toda la
información que se le presenta diariamente. Al acumular experiencia, esta da la impresión
de saber cómo funciona algo. Por lo tanto, se piensa o asume mediante la creación de una
“regla de oro” que la solución puede ser similar a la ya encontrada anteriormente por lo
tanto al presentarse una situación similar, la regla se aplica. Este fenómeno se llama
Heurística y es especialmente relevante en los procesos de compra y venta actuales,
cuando el número de instrumentos y la cantidad de información son extenuantes. El
atractivo de esta técnica es el ahorro de tiempo que puede permitir y el principal problema
es la dependencia de experiencia previa. Los modelos tradicionales de finanzas excluyen
la heurística y asumen que todas las decisiones se realizan en base a herramientas
estadísticas racionales como citado por Rahul Subash en (2012).
Shefrin (2000) explica que las simplificaciones heurísticas producen que los
precios de mercado se desvíen de sus valores fundamentales. Por lo tanto, la heurística
18
en finanzas conductuales es otra teoría que se complementa con la Teoría Prospectiva
para estudiar el comportamiento del ser humano.
1.3 Sesgos conductuales
Como se ha explicado anteriormente, los individuos no siempre actúan de forma
“racional” cuando deben tomar decisiones inciertas, la psicología y las finanzas
conductuales identifican ciertos patrones que impulsan errores cognitivos en los agentes,
es decir decisiones “irracionales”.
Si bien hasta el momento no se ha logrado presentar una teoría general que
explique concretamente porque las personas operan bajo ciertos sesgos, hay muchos
estudios que los identifican y caracterizan (Cano & Cardoso, 2015).
A continuación, se procederá a describir y explicar nueve sesgos conductuales
considerados como los más representativos e importantes para el presente estudio.
1.3.1 Exceso de confianza
“En su forma más básica, el exceso de confianza puede ser resumido como una fe
injustificable en el razonamiento intuitivo propio, nuestro propio juicio y nuestras
habilidades cognitivas” (Pompian, 2006). Psicólogos como Daniel Kahneman han
determinado que este sesgo causa que las personas sobre estimen sus propios
conocimientos, subestimen riesgos y exageren sus habilidades para controlar eventos.
Este concepto de exceso de confianza proviene de una gran cantidad de experimentos
psicológicos cognitivos y mediciones en las cuales los sujetos sobre estiman tanto sus
propias habilidades de predicción como la precisión de la información que se les fue
brindada. Los resultados muestran que las personas se desempeñan pobremente en la
determinación y calibración de estimados probabilísticos, ocurre muchas veces que dan
por ciertos eventos cuya probabilidad de ocurrencia es mucho menor al 100%. En
19
resumen, las personas piensan que son más inteligentes y que tienen mejor información
de la que realmente poseen (Pompian, 2006).
Para Shefrin (2000), el exceso de confianza “Atañe a que tan bien las personas
entienden sus propias habilidades y los límites de su conocimiento”. Individuos que
presentan este sesgo piensan, muchas veces, que tienen más conocimientos de los que en
realidad tienen. Esto no significa que los individuos sean ignorantes o incompetentes,
simplemente postula que su visión de sí mismos es mejor de la realidad. Este rasgo se
observa más comúnmente cuando los inversionistas eligen stocks o deciden las
posiciones de entrada y salida. Estas tendencias fueron estudiadas por Odean (1998)
quien encuentra que uno de los mayores efectos del exceso de confianza es que producía
que los agentes realicen un número excesivo de intercambios que tendían a tener
resultados significativamente menores a los rendimientos del mercado.
Es interesante observar que Barber y Odean (2001) realizaron un estudio para
inversionistas basado en género y obtuvieron resultados en los cuales se documentaba
que el exceso de confianza aumentaba excesivamente la cantidad de intercambios, los
hombres en promedio realizaban 45% más de intercambios y además sus resultados netos
eran -2,5% mientras que para las mujeres alcanzaba niveles de 1,72% para data de 1991
hasta 1997.
1.3.2 Representatividad
Pompian (2006) explica el concepto de representatividad de la siguiente manera: Las
personas han desarrollado una propensión innata (derivada de experiencias pasadas) para
clasificar objetos y pensamientos. Aún al encontrarse frente a nuevos eventos que no
califican entre los modelos previos los agentes tratan de calificar el nuevo fenómeno
dentro de la clasificación más parecida y solo luego de realizar esto se inicia un proceso
20
de reconocimiento de las nuevas características. Esto permite a los individuos desarrollar
respuestas rápidas que los ayudan a sobrevivir diariamente. El sesgo de representatividad
nace cuando algún fenómeno o elemento es clasificado de manera errónea porque resulta
similar a otros previos, este error puede persistir en todas las futuras interacciones con
este elemento.
Por lo tanto, la representatividad es un juicio basado en exceso de dependencia o
confianza en estereotipos.
El sesgo de representatividad puede ser interpretado de dos formas diferentes en
inversionistas individuales (Pompian, 2006):
• Falacia de tasa básica: Sucede cuando por ejemplo se compara la compañía A
con una compañía B (digamos de la misma industria) al tratar de determinar el
éxito potencial de A. En lugar de una investigación concienzuda y detallada se
recurre a estereotipos al tomar decisiones de inversión.
Falacia de tamaño de muestra: Al juzgar la probabilidad de un resultado particular
de inversión, muchas veces los agentes fallan al considerar el tamaño de la muestra de la
data en la cual basan su decisión. Por lo tanto, asumen incorrectamente que el tamaño de
la muestra es representativo para el total de la población. Por ejemplo, en el caso de juzgar
un fenómeno del cual se desconoce, muchas veces se considera como evidencia
representativa solo pocos eventos relacionados conocidos.
1.3.3 Efecto manada
A diferencia del resto de sesgos conductuales el efecto manada es un fenómeno que puede
ser fácilmente reconocido y observado en la vida cotidiana, aunque casi siempre es
detectado a posteriori de la resolución del evento en el que se observa. Este atributo, como
en muchos animales, se encuentra presente también en el ser humano (de allí el nombre),
este consiste en imitar consciente o inconscientemente las acciones de un grupo mayor
cuando individualmente no se tomaría la misma decisión.
Entre los diferentes motivos por los cuales nace el efecto manada se puede
diferenciar la presión social, el ser humano es un animal sociable y tiene un deseo natural
por encajar y ser aceptado por el grupo, por lo tanto, seguir el grupo es muchas veces un
21
comportamiento alentado y recompensado por el resto. Otro de los motivos es de una
índole más racional e involucra el sentido común, este nos dice que es menos probable
que un grupo grande de personas pueda estar equivocada. Muchas veces aun cuando un
individuo no esté de acuerdo con cierta decisión este tiende a realizarla de todas maneras
ya que piensa que el resto del grupo sabe o comprende algo que escapa a su propia
comprensión. Esto ocurre principalmente debido a la falta de experiencia.
El efecto manada puede afectar incluso a profesionales en finanzas e inversiones,
este sucede normalmente cuando los inversionistas tienden a seguir las inversiones
tomadas por la mayoría. En los mercados financieros los agentes presentan fuertes
presiones psicológicas cuando se acerca el mejor momento para comprar o vender
acciones ya que nadie más lo está haciendo. La razón principal para esta presión es la
influencia derivada de colegas y compañeros. Gerentes, por ejemplo, adoptan el efecto
manada porque están preocupados acerca de lo que otros piensan acerca de sus decisiones
de inversión (1990)
El efecto manada por lo tanto, es la tendencia de que individuos tiendan a emular
acciones de un gran grupo sin tomar en cuenta si ellos tomarían o no esa decisión
individualmente. Una razón es que las personas son sociables y generalmente tienden a
buscar la aceptación de un grupo en vez de permanecer solos. Otra razón es porque los
inversionistas tienden a pensar que es poco probable que un gran grupo pueda estar
equivocado. Esto los haría seguir al “rebaño” bajo la ilusión de que este pueda conocer
algo que el inversionista desconoce.
1.3.4 Anclaje
Cuando las personas tratan de estimar valores de una magnitud desconocida o sobre los
cuales no se tiene conocimiento las personas generalmente recurren a una heurística
psicológica llamada “anclaje”, esto consiste básicamente en utilizar un dato o idea inicial
elegido de manera arbitraria como “ancla” la cual posteriormente se va poco a poco
ajustando de acuerdo a la información obtenida y a los análisis mentales realizados hasta
llegar a obtener un resultado final satisfactorio para el agente.
22
Pompian (2006) afirma que las personas en general son mejores realizando
estimaciones comparativas (es decir a partir de un punto de referencia) frente a
estimaciones o figuras absolutas.
El problema del anclaje radica en que distintos estudios realizados han
demostrado que, sin importar el punto de partida, las personas normalmente no tienen
buenos resultados ya que los ajustes al ancla son insuficientes (Pompian, 2006).
“En muchas situaciones, las personas tienden a realizar estimaciones partiendo
de un valor inicial que es ajustado posteriormente hasta obtener una respuesta final. Este
valor inicial, o punto de partida, puede ser sugerido por la formulación del problema.”
(Tversky & Kahneman, 1974).
El Anclaje es una heurística psicológica simple y general para la mayor parte de
las personas, en el caso de las finanzas este se da cuando los inversionistas dan
importancia innecesaria a “anclas” arbitrariamente asignadas que en muchos casos son
estadísticamente aleatorias y psicológicamente determinadas. Estas anclas crean un sesgo
en los inversionistas y los pueden llevar a tomar decisiones de inversión que no son del
todo “racionales”. Un ejemplo en finanzas podría ser el siguiente:
Cuando se requiere estimar un buen precio para una acción que no conoce es
probable que un inversionista empiece usando una variable inicial, por ejemplo, el precio
más bajo del stock en 52 semanas. Luego esta ancla es ajustada hacia arriba o abajo para
reflejar la información o el propio análisis, pero estudios han demostrado que estos
ajustes son insuficientes y tienden a producir resultados sesgados. Inversionistas que
tienen este sesgo son posiblemente influenciados por estas anclas al responder preguntas
como ‘¿Es este es un buen momento para comprar o vender stock?’ o ‘¿El stock tiene un
precio justo?’ El concepto de Anclaje por lo tanto puede ser explicado por la tendencia
de los inversionistas a “anclarse” a sus pensamientos generando lógicamente puntos de
referencia irrelevantes al tomar decisiones de inversión” (Pompian, 2006).
1.3.5 Disonancia cognitiva
La disonancia cognitiva es un elemento común y recurrente en la vida cotidiana del ser
humano, esta se presenta cuando al adquirir nueva información esta entra en conflicto o
contradice ideas, pensamientos o concepciones previas del individuo. Este conflicto entre
23
nueva información (evidencia) y antiguas creencias o conceptos crea involuntaria y
automáticamente cierta disconformidad o malestar mental.
El termino de disonancia cognitiva corresponde al estado de imbalance que ocurre
cuando nuestras actitudes, emociones, creencias o valores (todas estas son cogniciones)
entran en contradicción con nueva información o evidencia (Pompian, 2006). Al
presentarse la disonancia cognitiva los agentes tratan de armonizar sus cogniciones para
eliminar la disconformidad mental.
Cuando un inversionista enfrenta una situación en la cual tiene que seleccionar
entre dos alternativas, es probable que se cree algún conflicto luego de haberla tomado.
Los aspectos negativos de la alternativa elegida se vuelven más visibles mientras que los
afectos positivos de la alternativa no seleccionada se suman al conflicto. Esto puede
terminar minando la confianza en la decisión recientemente tomada (Pompian, 2006).
“Los psicólogos concluyen que las personas muchas veces realizan
racionalizaciones extensivas para poder sincronizar sus procesos cognitivos y mantener
estabilidad psicológica” (Pompian, 2006). Esto quiere decir que los agentes muchas veces
tratarán inconscientemente de convencerse a sí mismos de que su primera decisión ha
sido acertada solo para evitar el proceso de malestar psicológico provocado por el
conflicto, esto puede producir que los inversionistas ignoren o eviten información que
afecte negativamente sus inversiones o decisiones.
De acuerdo a Pompian, (2006), existen dos aspectos identificables de disonancia
cognitiva en el proceso de toma de decisiones.
1. Percepción Selectiva: Cuando inversionistas solo registran información que
afirma sus creencias y de esta manera crean un punto de vista incompleto de la
situación real.
2. Toma de decisiones selectiva: Los inversionistas tienden a reforzar compromisos
o situaciones previamente realizadas incluso ante evidencia de la posibilidad de
que esta no sea la decisión correcta. Esto ocurre por el compromiso con la decisión
original que fuerza al inversionista a racionalizar sus acciones de tal forma que se
mantenga su decisión inicial, incluso ante evidencia de que esas mismas acciones
producen resultados sub óptimos.
24
1.3.6 Aversión al arrepentimiento
La aversión al arrepentimiento es un sesgo conductual que se presenta cuando las
personas evitan tomar decisiones decisivas ya que temen “a priori” tomar decisiones sub
óptimas (Pompian, 2006). Este comportamiento es común entre las personas y los
inversionistas no son la excepción.
Los seres humanos evitan el “dolor emocional” o malestar causado al
arrepentimiento por haber tomado una mala decisión, este fenómeno puede ocasionar en
finanzas que inversionistas terminen manteniendo posiciones negativas (en acciones) por
demasiado tiempo en vez de admitir el error y cortar las pérdidas. La aversión a las
perdidas produce que los inversionistas teman ingresar a mercados que han generado
pérdidas recientemente, aun cuando estas condiciones presentan grandes oportunidades
para revaluaciones. Cuando se presentan pérdidas por instinto los agentes sienten que
deben ser conservadores y se retiran a “lamerse sus heridas” (Pompian, 2006).
La causa principal de este tipo de error es la tendencia en los individuos de odiar
admitir sus propios errores. Al padecer este sesgo, muchos inversionistas podrán evitar
tomar acciones decisivas por miedo a fallar.
Según Pompian, (2006) Las personas con aversión al arrepentimiento tienden a
evitar el estrés creado por dos tipos de errores.
1. Errores de comisión: Que ocurren como resultado de una acción equivocada, en
esta el inversionista reflexiona en la decisión tomada y lamenta el hecho de
haberla tomado, por lo tanto, cuestiona sus propios conocimientos.
2. Errores de omisión: Ocurren como resultado de perder oportunidades existentes.
1.3.7 Falacias del jugador
La falacia del jugador o apostador es una falacia lógica, es decir un argumento que parece
ser válido, pero no lo es, en la cual se cree de manera errónea que el pasado
(específicamente sucesos pasados), afectan los sucesos futuros en lo relativo a eventos
aleatorios. Esta falacia es muy conocida en los “juegos de azar” y ha sido bastante
25
estudiada ya que es un elemento de la psicología humana muy recurrente, como el dicho
que dice “los dados no tienen memoria”.
Kahneman y Tversky (1974) describen la falacia del jugador como el concepto
erróneo de la justicia en las reglas del azar o probabilidad y comentan que en los mercados
financieros los inversionistas que padecen de este sesgo son más propensos a realizar
predicciones inversas en los precios de las acciones. La falacia del jugador nace cuando
los inversionistas predicen inapropiadamente que la tendencia se revertirá y se acercan a
pensamientos contrarios. Se dice que la Falacia del jugador ocurre cuando un
inversionista opera bajo la percepción de que errores en eventos aleatorios se
autocorrigen. Por ejemplo, si una moneda es lanzada diez veces y en cada una de ellas
cae cara, se puede decir que el inversionista que piensa que el siguiente lanzamiento será
sello estaría presentando este sesgo.
1.3.8 Contabilidad mental
El termino Contabilidad Mental fue descrito por Richard Thaler en 1980 y es definido
por Thaler (1999) como un “Conjunto de operaciones cognitivas usadas por individuos y
familias para organizar, evaluar y dar seguimiento a actividades financieras”.
Thaler explica que el fenómeno consiste en la tendencia de las personas de
codificar, categorizar y evaluar resultados económicos mediante una agrupación de los
activos en un número determinado de cuentas mentales no intercambiables.
Esto quiere decir el agente que presente el sesgo trataría de manera diferente
diferentes sumas de dinero basadas en cómo estos montos han sido obtenidos (salario,
herencia, apuestas, bonos, etc.) pero también el destino del dinero (necesidades, ocio,
ahorros, etc.) El concepto de encuadre, framing en inglés, es importante en el análisis de
este sesgo ya que las personas alteran sus perspectivas en inversiones y dinero de acuerdo
a las circunstancias que enfrentan (Pompian, 2006).
Pompian, (2006) concluye que los individuos crean diferentes tipos de
contabilidades mentales para justificar decisiones que bajo otras condiciones no serían
“racionales”. Es importante resaltar que, si bien ciertas contabilidades mentales son
negativas porque permiten a los individuos tomar decisiones peligrosas, en otros casos
puede ser altamente beneficiosa como ahorros para la jubilación.
26
1.3.9 Retrospectiva
El sesgo de retrospectiva es ese impulso que nos dice: “¡Lo sabía desde un principio!”
una vez que un evento ya ha sucedido (Pompian, 2006).
En muchas ocasiones las personas afectadas por este sesgo tienden a pensar que
un evento era en realidad predecible aun cuando no lo era.
Este comportamiento del ser humano existe ya que mentalmente los resultados
realizados son mucho más comprensibles, es decir imaginables, que la infinidad de
resultados posibles que no sucedieron (Pompian, 2006).
Esto no implica que las personas no puedan realizar predicciones, sino que explica
que en muchas ocasiones los agentes piensan que realizaron predicciones acertadas en
retrospectiva. El sesgo se manifiesta cuando el agente se convence a si mismo que sabía
el resultado desde un inicio aun cuando era imposible saberlo.
En muchos casos el agente asume que el resultado que observa es el único
resultado que siempre fue posible y por lo tanto subestima la incertidumbre del evento y
desconoce los resultados que fueron muy posibles, pero no se materializaron.
El sesgo retrospectivo en mercados financieros puedo ocasionar graves daños a
las carteras de los inversionistas ya que da la sensación de que ciertos resultados adversos
fueran evitables si se hubieran tomado en cuenta ciertas señales o también ocasiona que
resultados positivos sean vistos como el resultado de estrategias brillantes que pueden ser
posteriormente replicadas. Por lo tanto, este sesgo podría ocasionar que los agentes no
aprendan de sus errores.
1.4 La teoría de “empujones”: Nudge Theory
“One lesson from my stories is that some things that economic theory says should not
matter actually do matter”- (Thaler R. H., 2017)
En diciembre del 2017 Richard H. Thaler, profesor estadounidense de la
universidad de Chicago, recibió el premio Nobel en Economía, en virtud de sus
contribuciones a la Economía del comportamiento. Desde 1970 el profesor Thaler ha
realizado experimentos y estudios relacionados a la economía conductual, los resultados
27
de sus pruebas le permitieron comprender que la teoría económica tradicional está
equivocada o incompleta, en los temas relacionados a las características que se le
atribuyen al Homo Economicus” o “Econs” al tomar decisiones (Thaler & Sunstein,
2008). La investigación de Thaler lo llevó a identificar, catalogar y cuantificar una serie
de sesgos conductuales que afectan los procesos de toma de decisiones de los seres
humanos.
Thaler encuentra en la teoría económica tradicional una serie de elementos que
deberían ser irrelevantes y sin embargo en la práctica son relevantes, él llama estos
factores “supposedly irrelevant factors” o SIF (Thaler R. H., 2017). El hallazgo de estos
elementos es de gran importancia ya que permite complementar los modelos vigentes y
explicar situaciones y fenómenos que bajo la teoría económica clásica eran inexplicables.
Thaler postula que el gobierno y las empresas privadas pueden utilizar la Economía
Conductual, considerando los efectos de los SIF, para ayudar a las personas a tomar
mejores decisiones económicas en ciertos aspectos en los que tradicionalmente se
equivocan. Los seres humanos viven en una realidad compleja donde usualmente no es
posible pensar detenidamente en cada pequeña decisión que se toma, debido a esto, las
personas toman una serie de atajos heurísticos que pueden ocasionar errores sistemáticos.
La teoría de empujones o “nudge theory” consiste en que existen ciertos factores
en el ambiente (SIF) que influencian el comportamiento de los seres humanos, pero no
influencian al “homo economicus”. Por lo tanto, la definición de “nudge” es cualquier
factor que altere significativamente el comportamiento de un ser humano siendo el mismo
factor ignorado por un Econ (Thaler & Sunstein, 2008).
En el Libro Nudge: Improving Decisions about health, wealth and Happiness
(Thaler & Sunstein, 2008) los autores explican el concepto de “Arquitectura de
Decisiones” y demuestran, mediante una serie de experimentos prácticos, que la manera
en la que se presentan las decisiones tiene un impacto significativo en los resultados
finales. Debido a que en el mundo real existe una gran cantidad de situaciones donde
inevitablemente se tienen arquitectos de decisión, se debería implementar un sistema
donde se “empuje” o influencie a los individuos para que tomen decisiones que les
permitan estar mejor bajo su propia perspectiva.
La ideología de “empujar” a los individuos influenciando sus decisiones, sin
obligarlos a tomar una decisión y permitiéndoles sin mucho esfuerzo cambiar dicha
28
decisión es llamada “Libertarian Paternalism” (Thaler & Sunstein, 2008), libertarian
porque las personas son en todo momento libres de elegir lo que ellos decidan y
paternalism porque los autores consideran legítimo que los arquitectos de decisión traten
de influenciar a los individuos en que tomen decisiones que hagan sus vidas más largas,
más sanas y mejores. La necesidad de aplicar esta ideología nace debido a que los autores
consideran que hay suficientes pruebas de que en muchos casos los individuos toman
malas decisiones en temas fundamentales (debido a falta de atención, falta de
información, falta de capacidades cognitivas ilimitadas y completo autocontrol), de esta
manera los arquitectos de decisión estarían brindando una contribución positiva en el
correcto desarrollo de las vidas de muchos individuos.
Para Thaler y Sunstein las personas que rechazan la visión de paternalismo
principalmente por una suposición falsa y por dos conceptos errados (Thaler & Sunstein,
2008):
1) Suposición Falsa: La suposición es que casi todas las personas, casi todo el
tiempo toman decisiones que les convienen o generan valor, o al menos toman
mejores decisiones de las que tomaría alguien más en su lugar. Esta suposición
es falsa debido a que usualmente las personas solo toman buenas decisiones en
contextos donde tienen experiencia, buena información y un nivel de
retroalimentación rápido.
2) Primer concepto errado: Es posible evitar influenciar las decisiones de las
personas, este concepto está errado debido a que en muchos casos los agentes
(el gobierno o entidades privadas) deben tomar decisiones que afectaran el
comportamiento por el simple hecho de que son arquitectos de decisión. En
este caso existen “empujones” que a pesar de que no sean intencionados igual
son empujones. De manera que una política “anti-empujones” no puede ser
aplicada ya que la presencia de estos es inevitable.
3) Segundo concepto errado: El paternalismo necesariamente genera coerción,
este concepto esta errado ya que, bajo la propuesta de los autores, las
decisiones son finalmente tomadas por los individuos sin mayores
complicaciones y sin perjuicio alguno.
En su libro y en base a los principios previamente mencionados (Thaler &
Sunstein, 2008) buscan aplicar la teoría de los empujones en diferentes maneras para
29
mostrar como la teoría podría ser aplicada en 3 áreas en particular: El dinero (ahorro,
inversiones, mercados y sistemas de seguros), La Salud (prescripción de medicamentos,
donación de órganos, el planeta), La Libertad (educación, compra de boletos de lotería,
matrimonio) con el fin de mejorar la vida de los individuos y aun así preservar la libertad
de decisión.
30
CAPÍTULO II: METODOLOGÍA DE ANÁLISIS
A continuación, se explicarán brevemente los métodos mediante los cuales se procederá
a analizar la evidencia empírica recolectada, se comentará en qué consisten los métodos
y pruebas a ser utilizadas, por qué han sido elegidas, cuáles son sus requisitos, qué buscan
revelar y la manera como se interpretan los resultados obtenidos.
2.1 La encuesta
El cuestionario consiste en 30 preguntas, 22 de las cuales serán utilizadas para capturar
información cuantitativa y el resto tienen como objetivo observar las actitudes de los
inversionistas. Las preguntas se detallan a continuación:
1) ¿Cuál es su edad?
2) ¿Cuánto tiempo viene realizando operaciones en la bolsa de valores de Lima?
3) ¿En cuánta pérdida incurrió su portafolio en el periodo 2013-2014?
4) Al realizar inversiones, ¿a qué juicio o criterio de análisis usted otorga mayor
confianza?
5) ¿Usted considera el comportamiento histórico de una acción antes de invertir
en ella?
6) ¿El volumen de transacciones de una acción afecta su decisión de inversión?
7) Sus colegas y competidores inician inesperadamente la compra de acciones
de una empresa de la que usted tiene poco conocimiento ¿Cómo afectaría esta
actitud hacia su evaluación de las acciones de dicha compañía?
8) ¿Usted cree que es posible encontrar el valor futuro de una acción a través de
un análisis detallado de su evolución histórica?
9) ¿Usted considera que fue posible predecir el colapso de la bolsa de Wall-
Street en el inicio de la crisis financiera global del año 2007-2008?
10) ¿Cómo considera usted que será el desempeño de sus inversiones en
comparación al índice de la BVL?
31
11) ¿Usted considera que es capaz de predecir los precios futuros de las acciones
mejor que otros?
12) En una escala de 1 a 7 (1, bajo riesgo y 7 alto riesgo), ¿Cuál es el nivel de
riesgo que usted asume?
13) ¿Usted invertiría en una acción si la evaluación que usted atribuye es
diferente a la de algún experto muy conocido cuya evaluación se publicó en
una revista de finanzas o en un medio reconocido?
14) ¿Con que frecuencia sus decisiones de inversión son acertadas?
15) ¿Usted realiza órdenes de compra/venta con un precio objetivo antes de que
abra la bolsa?
A) En caso de haber elegido sí en la pregunta anterior, ¿cuál de los siguientes
criterios usted consideraría para fijar el precio objetivo?
16) ¿Usted utiliza "stop loss" en sus intercambios?
17) Entre el PER y el valor intrínseco de una acción, ¿cuál de los dos tiene mayor
peso en su decisión de inversión?
18) ¿Cómo reaccionó al periodo de caída de la bolsa peruana entre 2013 y 2015?
19) Considere la siguiente situación: El precio de una acción Blue Chip es S/ 500.
Este cae a S/ 100 como resultado de una crisis. Los analistas son neutrales y
dan señales para mantener la acción. ¿Usted compraría la acción a su nuevo
precio (S/100), considerando el alto precio en su pasado cercano?
20) ¿Usted considera que su subconsciente trata de justificar errores cometidos al
realizar decisiones de inversión?
21) Si escuchara la opinión de un famoso analista y esta entra en contradicción
con su opinión acerca de una acción, ¿cambiaría su opinión inmediatamente?
22) ¿Qué haría usted si es criticado por invertir en una acción que esta "a la baja"
o por vender una acción que se encuentra "en alza"?
23) ¿Usted ha mantenido una acción "a la baja" por mucho tiempo esperando un
repunte, o ha vendido una acción "en alza" y luego ha sentido que pudo haber
esperado un mayor aumento?
24) ¿En algún momento usted no realizó una decisión de inversión debido a que
se encontraba esperando nueva información (favorable) concerniente a dicha
acción?
32
25) ¿Usted es capaz de anticipar el cambio entre buenos y malos retornos de
mercado?
26) Suponga que se lanza una moneda tres veces, y cada vez cae en "Sello". ¿Qué
pensaría usted del resultado del siguiente lanzamiento de la moneda?
27) ¿Usted ahorra parte de sus ingresos personales para invertir en la bolsa de
valores?
28) Si usted gana una lotería de S/ 10.000.000 (10 Millones), ¿en qué tipo de
acciones consideraría invertir?
29) Si usted estuviera entre el 2006 y el 2007, y alguien le dijera que una crisis
financiera estaba a punto de explotar en los siguientes años, ¿Usted quedaría
convencido? ¿En qué rango?
30) En una escala del 1 al 5, ¿con cuánto calificaría su conocimiento relativo al
nuevo campo de estudios relativo a la toma de decisiones financieras llamado
"Behavioral Finance" o "Finanzas Conductuales"?
Las preguntas con objetivo cuantitativo fueron construidas mediante una escala
Likert (escala simétrica unidimensional donde todos los elementos miden lo mismo, pero
con diferentes grados de aprobación o desaprobación).
Para la mayoría de preguntas se utilizará una escala de Likert de 3 puntos, los
puntos de la escala tienen la siguiente forma:
i. Sí, siempre = Positivo
ii. Algunas veces, Tal vez = Neutral
iii. No, Nunca = Negativo
Estos puntos son cuantificados mediante la asignación de puntajes, en este caso
se utilizará el Método de puntajes ponderados, se asignará un peso de tres a los resultados
positivos, dos a los neutros y uno a los negativos.
Perfil de la muestra: El objetivo del estudio es observar el comportamiento de
inversionistas reales, es probable que muchos de ellos tengan poco o ningún
conocimiento acerca de las finanzas conductuales. Para el estudio se ha utilizado una
muestra representativa de los inversionistas de la BVL con un total de 84 inversionistas,
más adelante se detallará brevemente algunas de las instituciones donde laboran dichos
inversionistas.
33
La muestra se separó en base a un criterio:
i. Años de experiencia en el mercado de valores.
En base a los resultados se seleccionarán dos grupos de inversionistas.
Se buscó tener el mismo número de observaciones en ambos grupos y filtrar las
encuestas con muchas respuestas en blanco.
Una gran limitación del estudio corresponde a que se plantea estudiar el
comportamiento de los inversionistas mediante un cuestionario. La toma de decisiones
de inversión es un proceso complejo y exhaustivo, por lo tanto, es posible que durante el
cuestionario el inversionista se encuentre relajado y con la mente fresca, por lo tanto,
podría elegir respuestas que lo hagan quedar bien, especialmente en contextos en que se
presentan situaciones hipotéticas. Para evitar esto ciertas preguntas hacen referencia a
eventos pasados del inversionista.
Los 84 encuestados han sido en su mayoría seleccionados mediante conexiones
directas o por referencias directas, han sido encuestados profesores de la Universidad de
Lima con experiencia en la BVL, los cuales en muchos casos han ofrecido su apoyo
derivando la encuesta a colegas, compañeros y conocidos que cumplan con los requisitos.
Por otro lado, un gran aporte de los encuestados ha sido llevado a cabo mediante
compañeros del trabajo en el Banco Santander Perú que invertían activamente en la BVL,
de igual manera se les solicitó compartir la encuesta mediante el link electrónico a otros
contactos, colegas y compañeros que compartieran los requisitos. Por último, un número
inferior y más limitado de encuestas fue llenada por personas directamente conocidas por
el investigador que invierten en la BVL, a este grupo de personas también se les exhortó
a compartir el link de la encuesta entre colegas y conocidos que estuvieran en grado de
participar. Debido al anonimato que implica la investigación no se puede saber con
exactitud la proporción o el número de encuestados obtenido por cada uno de los grupos
previamente mencionados.
2.2 Análisis discriminante
El análisis discriminante es un tipo de técnica funcional y su uso principal corresponde a
la realización de pronósticos. Esta herramienta utiliza un número “N” de variables
34
independientes cuantitativas y una sola variable dependiente cualitativa o nominal (De la
Garza, Blanca, & Beatriz, 2013).
La función discriminante actualmente utilizada es la ecuación discriminante de
Fisher propuesta en 1930. El objetivo de este análisis es encontrar una combinación lineal
de variables independientes que permitan al investigador diferenciar de la mejor manera
posible diferentes grupos o niveles que la variable dependiente posee (en este caso
inversionistas jóvenes y experimentados). Una vez que se obtiene la función, esta puede
ser utilizada para clasificar nuevos elementos u observaciones (pronosticar) (De la Garza,
Blanca, & Beatriz, 2013).
El análisis discriminante es una herramienta muy utilizada, en medicina sirve para
diagnosticar enfermedades en pacientes según sus síntomas, en psicología ayuda a
evaluar si una persona sufre trastornos según su perfil mental, en recursos humanos sirve
como filtro previo a una entrevista y en finanzas permite decidir si se otorga o no un
crédito a una persona, etc. (De la Garza, Blanca, & Beatriz, 2013).
Un ejemplo práctico que permite captar correctamente el propósito de esta técnica
es el siguiente:
El análisis de la muestra obtenida por esta investigación permitirá dividir a los
individuos en dos grupos: los que puedan ser catalogados como inversionistas jóvenes
(con 8 o menos años de experiencia tranzando en la bolsa) y los inversionistas
experimentados (con más de 9 años de experiencia tranzando en la bolsa); el análisis
discriminante permitirá comprobar si efectivamente los entrevistados están
correctamente clasificados en esos dos grupos y más importante permitirá identificar que
variables son las que determinan la diferencia entre las personas de ambos grupos.
La asignación a cada grupo se realiza mediante una función lineal que combinara
los nueve sesgos conductuales previamente explicados. De esta manera se podrá
corroborar si ambos grupos son afectados de manera diferente por las variables
propuestas y pronosticar el comportamiento de estas con relación al grupo al que
pertenecen.
En el presente estudio se realizará el análisis discriminante descriptivo y no el
predictivo, ya que el objetivo es verificar la existencia de diferencias en el
comportamiento de los dos grupos con respecto a las variables utilizadas.
35
El análisis discriminante es bastante similar al análisis de regresión múltiple, la
diferencia radica en que en el presente análisis se utiliza una variable dependiente
categórica. (De la Garza, Blanca, & Beatriz, 2013).
La ecuación a utilizar será
𝐷 = 𝑣1𝑋1 + 𝑣2𝑋2 + 𝑣3𝑋3 + 𝑣4𝑋4 + 𝑣5𝑋5 + 𝑣6𝑋6 + 𝑣7𝑋7 + 𝑣8𝑋8 + 𝑣9𝑋9 + 𝑎
Dónde:
• D es la función discriminante
• “v” es el peso de la variable
• X1-X9 corresponden a los diferentes sesgos
• “a” es la constante, el residuo.
Debido a que el análisis discriminante utiliza variables significativas en la
diferenciación de los grupos debe encontrar pesos para las variables independientes.
Para el cálculo de estos coeficientes se utiliza la máxima diferencia entre los datos.
La muestra mínima es de 5 observaciones por variable dependiente, aunque se
recomienda 20 observaciones por cada una de ellas (en este caso se recomiendan 40 como
mínimo para resultados analizables).
La composición de la muestra deberá de preferencia ser similar a la composición
de la población. Si los grupos son nítidos u homogéneos no es necesario que la muestra
sea grande, pero si son heterogéneos es importante que esta sea de un tamaño
considerable. Si es posible obtener la composición de la población se espera que esta se
refleje en la composición de la muestra (De la Garza, Blanca, & Beatriz, 2013).
36
CAPÍTULO III: ANÁLISIS DE EVIDENCIA EMPÍRICA
La investigación tuvo una muestra de 84 inversionistas la cual se ha dividido en dos
grupos de acuerdo al grado de experiencia de los inversionistas.
El primer grupo está conformado por inversionistas con poca experiencia, este
grupo está conformado por 40 personas, con 8 o menos años de experiencia.
El segundo grupo es de inversionistas experimentados y está compuesto por 44
personas todas con 9 o más años de experiencia en la bolsa de valores de Lima.
Se creó una variable dicotómica creada en función a los años de experiencia de
los inversionistas mientras que las preguntas de escala Likert de 3 o más puntos fueron
aritméticamente combinadas mediante SPSS para formar 9 variables, cada una
representando un sesgo conductual que ha sido analizado en la presente investigación.
Los resultados de la investigación son los siguientes de la muestra considerada de
84 inversionistas el 33.33% (28) se encontraban en un rango de edad entre 20 a 29 años,
el 15.48% (13) se encontraban entre 30 y 39 años, el 17.86% (15) tenían entre 40 y 49
años y el 29.75% (25) se encontraban entre 50 y 59 años, adicionalmente se obtuvieron
dos respuestas de inversionistas mayores a 60 años y un inversionista no brindó su edad.
Figura 3.1
Rango de edades de los inversionistas
Fuente: Data recopilada y procesada, elaboración propia.
37
La edad promedio de los encuestados es 40 años y la moda es 57 años.
Con respecto a la edad, la variable dicotómica, 40 encuestados (47.6%) tienen 9
o menos años de experiencia y los 44 restantes (52.4%) tienen más de 9 años de
experiencia. Los años de experiencia promedio corresponden a 11 años y medio.
Figura 3.2
Separación de data en dos sub muestras
Fuente: Data recopilada y procesada, elaboración propia
3.1 Test de multicolinealidad
En primer lugar, se ha analizado si existe un problema de multicolinealidad entre las
nueve variables creadas. La tabla 3.1 presenta la matriz de correlación entre las variables,
esta matriz está dividida en dos partes, en la primera se observa los coeficientes de
Pearson y la segunda parte muestra la significancia de los coeficientes.
Altos coeficientes de correlación fueron encontrados para tres variables: Exceso
de confianza, Representatividad y Temor al arrepentimiento, sin embargo, el
determinante de la matriz de correlación sugiere que en conjunto no existe problema de
multicolinealidad entre las variables.
38
Para comprobar si existen efectivamente problemas de multicolinealidad entre las
variables se utilizaron los Factores de Inflación de la Varianza o por sus siglas en ingles
VIF (Variance Inflation Factors).
39
Tabla 3.1
Matriz de correlación de variables
(continúa)
40
(continuación)
Fuente: Data recopilada y procesada en SPSS
41
Tabla 3.2
Estadísticos de colinearidad (exceso de confianza)
Coefficientsa
Model Collinearity Statistics
Tolerance VIF
Representatividad 0.723 1.383
Efecto Manada 0.733 1.365
Disonancia Cognitiva 0.917 1.090
Temor al arrepentimiento 0.767 1.303
Contabilidad Mental 0.731 1.367
Falacia del Jugador 0.599 1.670
Retrospectivo 0.801 1.249
Anclaje 0.647 1.546
a. Dependent Variable:Exceso de Confianza
Fuente: Data recopilada y procesada en SPSS.
Tabla 3.3
Estadísticos de colinearidad (representatividad)
Coefficientsa
Model Collinearity Statistics
Tolerance VIF
Disonancia Cognitiva 0.927 1.078
Temor al arrepentimiento 0.729 1.373
Contabilidad Mental 0.686 1.458
Falacia del Jugador 0.596 1.677
Retrospectivo 0.733 1.365
Anclaje 0.586 1.708
Exceso de Confianza 0.624 1.603
Efecto Manada 0.915 1.092
a. Dependent Variable: Representatividad
Fuente: Data recopilada y procesada en SPSS.
42
Tabla 3.4
Estadísticos de colinearidad (temor al arrepentimiento)
Coefficientsa
Model Collinearity Statistics
Tolerance VIF
Disonancia Cognitiva 0.921 1.086
Contabilidad Mental 0.812 1.231
Falacia del Jugador 0.611 1.637
Retrospectivo 0.802 1.247
Anclaje 0.580 1.723
Exceso de Confianza 0.570 1.754
Efecto Manada 0.739 1.354
Representatividad 0.627 1.594
a. Dependent Variable: Temor al arrepentimiento
Fuente: Data recopilada y procesada en SPSS.
Tabla 3.5
Estadísticos de colinearidad (efecto manada)
Coefficientsa
Model Collinearity Statistics
Tolerance VIF
Disonancia Cognitiva 0.920 1.087
Contabilidad Mental 0.692 1.445
Falacia del Jugador 0.596 1.676
Retrospectivo 0.733 1.365
Anclaje 0.583 1.716
Exceso de Confianza 0.536 1.867
Representatividad 0.776 1.289
Temor al arrepentimiento 0.727 1.376
a. Dependent Variable: Efecto Manada
Fuente: Data recopilada y procesada en SPSS.
43
Tabla 3.6
Estadísticos de colinearidad (anclaje)
Coefficientsa
Model Collinearity Statistics
Tolerance VIF
Disonancia Cognitiva 0.915 1.093
Contabilidad Mental 0.705 1.418
Falacia del Jugador 0.713 1.402
Retrospectivo 0.742 1.347
Exceso de Confianza 0.595 1.681
Representatividad 0.624 1.603
Temor al arrepentimiento 0.718 1.392
Efecto Manada 0.733 1.364
a. Dependent Variable: Anclaje
Fuente: Data recopilada y procesada en SPSS.
Tabla 3.7
Estadísticos de colinearidad (falacia del jugador)
Coefficientsa
Model Collinearity Statistics
Tolerance VIF
Disonancia Cognitiva 0.956 1.047
Contabilidad Mental 0.693 1.444
Retrospectivo 0.809 1.237
Exceso de Confianza 0.531 1.882
Representatividad 0.613 1.631
Temor al arrepentimiento 0.729 1.371
Efecto Manada 0.724 1.381
Anclaje 0.688 1.453
a. Dependent Variable: Falacia del Jugador
Fuente: Data recopilada y procesada en SPSS.
44
Tabla 3.8
Estadísticos de colinearidad (contabilidad mental)
Coefficientsa
Model Collinearity Statistics
Tolerance VIF
Disonancia Cognitiva 0.916 1.091
Retrospectivo 0.766 1.306
Exceso de Confianza 0.564 1.772
Representatividad 0.613 1.631
Temor al arrepentimiento 0.843 1.186
Efecto Manada 0.730 1.370
Anclaje 0.592 1.691
Falacia del Jugador 0.602 1.661
a. Dependent Variable: Contabilidad Mental
Fuente: Data recopilada y procesada en SPSS.
De acuerdo a Liao & Valliant (2012) los VIF son un indicador que mide cuanto
se incrementa la varianza de los coeficientes estimados si no existe correlación entre las
variables independientes en un modelo de regresión. Los VIF son calculados dividiendo
1 entre el nivel de tolerancia, se considera que existen problemas de multicolinealidad
cuando los valores de los VIF son cercanos, iguales o mayores a 4.
Para comprobar que no se tuvieran problemas de multicolinealidad se estimaron
regresiones lineales para las variables que presentaron posibles problemas de alta
correlación utilizando estas como variables dependientes y el resto como variables
independientes.
Luego de las pruebas se puede descartar efecto de la multicolinealidad entre las
variables ya que en ningún caso los indicadores VIF son lo suficientemente elevados por
lo tanto se mantienen todas las variables para el resto de la investigación.
45
3.2 Efecto de la caída de la bolsa de valores de Lima en los portafolios
Tabla 3.9
Pérdidas incurridas por grupos de inversionistas
El periodo de caída de la bolsa de lima peruana entre 2013 y 2014 ocasionó
enormes pérdidas para los inversionistas de la BVL. El presente gráfico tiene como
objetivo observar si en nuestra muestra los inversionistas sufrieron pérdidas
significativas, el objetivo de esta pregunta en la encuesta era observar si existe alguna
relación tangible entre las pérdidas incurridas y la experiencia de los inversionistas.
Se les preguntó a los inversionistas, para el periodo seleccionado en cuanta
pérdida habían incurrido sus portafolios, los resultados pueden ser observados en la tabla
3.9.
El 7% de los inversionistas (4 jóvenes y 2 experimentados) admitieron haber
incurrido en pérdidas en el rango de 30% a 50% en los años mencionados, mientras que
el 31% de estos (13 jóvenes y 13 experimentados) incurrieron en niveles de pérdida entre
10% y 30%.
Un 14% del total de inversionistas admitió haber incurrido en pérdidas mayores a
50% de estos 5 eran jóvenes y 7 eran experimentados.
Tipo de
Inversionista Pérdida incurrida en el periodo 2013-2014 Total
>50%
30-
50%
10-
30% <10%
Sin
pérdidas
Inversionistas Conteo 5 4 13 11 7 40
Jovenes
% dentro del tipo de
inversionista 13% 10% 33% 28% 18% 100%
% dentro de pérdidas 42% 67% 50% 50% 39% 48%
Inversionistas Conteo 7 2 13 11 11 44
Experimentados
% dentro del tipo de
inversionista 16% 5% 30% 25% 25% 100%
% dentro de pérdidas 58% 33% 50% 50% 61% 52%
Conteo 12 6 26 22 18 84
% dentro del tipo de
inversionista 14% 7% 31% 26% 21% 100%
% dentro de pérdidas 100% 100% 100% 100% 100% 100%
Fuente: Data recopilada y procesada en SPSS.
46
Los resultados pueden ser resumidos de la siguiente manera: El 83% (33) de los
inversionistas jóvenes admitió haber experimentado pérdidas, y un 55% admite que estas
pérdidas alcanzaron un nivel desde más de 50% hasta 10%.
El 75% (33) de los inversionistas experimentados admitió haber incurrido en
pérdidas, y el 50% de estos admite que las pérdidas alcanzaron un nivel desde más de
10% hasta más de 50%.
Siete inversionistas jóvenes marcaron la opción de no haber incurrido en pérdidas,
pero revisando la data se encontró que debido al tiempo de experiencia en bolsa estos
inversionistas no se encontraban transando en el periodo analizado por lo cual serán
excluidos del siguiente análisis.
Se realizó un test Chi-cuadrado de independencia para comprobar si la hipótesis
de menores pérdidas ligadas a años de experiencia de la siguiente manera:
Ho: No existe relación entre los años de experiencia y las pérdidas incurridas en
el portafolio de los inversionistas en el periodo analizado.
H1: Existe relación entre los años de experiencia y las pérdidas incurridas en el
portafolio de los inversionistas en el periodo analizado.
Tabla 3.10
Test chi cuadrado (experiencia de los inversionistas y pérdidas del portafolio)
Fuente: Data recopilada y procesada en SPSS.
Tanto el p-value de la Chi-cuadrado de Pearson como del Likelihood Ratio no nos
permiten rechazar la hipótesis nula a un 95% de confianza, por lo cual no se puede
considerar que exista una relación directa o significativa entre los años de experiencia de
los inversionistas y las pérdidas incurridas en el periodo analizado.
Chi-Square Tests
Value df Asymptotic Significance (2-sided)
Pearson Chi-Square 3.696 4 0.449
Likelihood Ratio 3.907 4 0.419
N of Valid Cases 77
47
3.3 Análisis discriminante
Se utilizó la variable dicotómica (1-joven, 2-experimentado) como discriminante. El
objetivo del análisis era encontrar si esta variable es un discriminador efectivo, es decir
si se puede correctamente categorizar a los inversionistas entre jóvenes y experimentados
de acuerdo al efecto de los sesgos conductuales en ellos.
Para este análisis se espera obtener diferencias entre los resultados de ambos
grupos para ellos se analizó los resultados de las tablas 3.11 y 3.12 “Group Statistics” e
Igualdad de las medias.
A continuación, se presentan resultados diferentes y en algunos casos
contradictorios. Las variables Disonancia Cognitiva y Retrospectiva presentaban medias
muy cercanas mientras que variables como Falacia del Jugador, Anclaje y Exceso de
confianza también mostraban diferencias bastante pequeñas en las medias. Sin embargo
sí se presentan diferencias en las medias de las variables Representatividad, Efecto
Manada, Temor al arrepentimiento y especialmente Contabilidad Mental.
Tabla 3.11
Análisis discriminante (group statistics)
(continúa)
48
(continuación)
Fuente: Data recopilada y procesada en SPSS.
La tabla 3.12 presenta evidencia estadística para observar sí existe efectivamente
diferencias en las medias presentadas anteriormente, para ello se utilizó la prueba Wilks’
Lambda5 para la igualdad de las medias basadas en el análisis discriminante.
Pese a lo encontrado anteriormente esta prueba indica que solo las variables
Representatividad, Temor al arrepentimiento y Contabilidad Mental poseen valores “F”
elevados, sin embargo, utilizando el criterio del p-valor solo se podría rechazar la
hipótesis nula para las variables Representatividad y Contabilidad mental, es decir existe
una diferencia estadísticamente significativa entre las medias de ambos grupos para estas
dos variables. Esto implica, bajo la óptica de nuestro análisis, que estos sesgos
conductuales se manifiestan de manera diferente en los inversionistas de ambos grupos.
Para el resto de variables no fue posible comprobar la existencia de diferencias
significativas entre las medias de los grupos.
Tabla 3.12
Análisis discriminante (test de igualdad de medias)
(continúa)
5 El test Wilks’ Lambda es utilizado en el análisis multivariado de la varianza para probar la hipótesis nula
de que ambos grupos tienen medias idénticas basado en el discriminador. Los coeficientes que usa esta
prueba son los valores “F”, cuando estos son elevados tiende a indicar que las medias son idénticas.
49
(continuación)
Fuente: Data recopilada y procesada en SPSS.
Prosiguiendo con el análisis discriminante se comprobó que las matrices de
varianza y covarianza sean idénticas para ambos grupos formados por el discriminador
para ello se empleó la prueba M de Box que tiene como hipótesis nula la igualdad de las
matrices de los grupos formados por el discriminador.
Tabla 3.13
Análisis discriminante (prueba M de Box)
Test Results
Box's M 133.619
F
Approx. 2.622
df1 45
df2 21668.486
Sig. 0.000
Tests null hypothesis of equal
population covariance matrices.
Fuente: Data recopilada y procesada en SPSS.
El resultado obtenido por el pvalue rechaza la hipótesis nula, lo que implica que
se presenta heterocedasticidad entre los dos grupos creados por el análisis discriminante.
La presencia de heterocedasticidad implica que los errores estándar asociados con el
análisis discriminante no son lo suficientemente grandes y podrían estar sesgados.
De acuerdo a (Ramirez, 2007) la heterocedasticidad surge normalmente en datos
de sección cruzada en muchos casos para datos microeconómicos, especialmente en
encuestas ya que se trata de una población en un momento del tiempo y esto puede
generar un patrón sistemático que afecta la constancia de la varianza.
En algunas muestras, sin embargo, es razonable suponer que la distribución potencial del
término de disturbio es diferente en “diferentes” observaciones de la misma muestra
(Ramirez, 2007)
50
Para la investigación propuesta se piensa que este es un resultado posible y
plausible debido al tamaño limitado de la muestra obtenida.
Por otro lado, según el departamento de estadística de la Universidad Carlos III
de Madrid, la violación de este supuesto no tiene consecuencias tan graves debido a que,
“En sentido estricto, la función discriminante minimiza la probabilidad de equivocarse al
clasificar los individuos en cada grupo. Para esto, las variables originales deben tener una
distribución normal multivariante y las matrices de covarianzas deben ser iguales en
todos los grupos. Sin embargo, en la práctica esta es una técnica robusta y funciona bien
aun cuando las dos restricciones anteriores no se cumplan” (Universidad Carlos III de
Madrid, 2006).
Por otro lado, muchos investigadores consideran que el test M de Box, es muy
sensible a la falta de normalidad multivariante y esto puede llevar a que matrices iguales
pueden parecer como significativamente diferentes para dicho test (De la Fuente F.,
2011).
Por lo tanto, se ha decidió por proseguir con el análisis sin embargo este resultado
será discutido posteriormente.
Antes de pasar a mostrar la función discriminante obtenida por el análisis se
utilizó la prueba de Wilk’s Lambda para ver la proporción de la variabilidad total que no
es explicada por la función.
Tabla 3.14
Análisis discriminante (test de Wilk’s Lambda)
Wilks' Lambda
Test of Function(s) Chi-
square
df
1 0.857 11.930 9.000 0.217
Fuente: Data recopilada y procesada en SPSS.
El resultado muestra que el 85.7% de la variabilidad no es explicada por la función
discriminante. Esto podría implicar que no existe una diferencia estadísticamente
significativa entre el comportamiento presentado por ambos grupos estudiados al ser
afectados por los sesgos conductuales. De esta manera contra el p-valor del Wilk’s
Lambda se prueban las siguientes hipótesis:
51
• H0: Ambos grupos de inversionistas son igualmente afectados por los sesgos
conductuales.
• H1: Existe un grupo de inversionistas más afectado que el otro por los sesgos.
En este caso la hipótesis nula no puede ser rechazada, lo que implica que ambos
grupos de inversionistas están siendo efectivamente afectados de manera similar por los
sesgos conductuales.
A pesar de estos resultados, es importante resaltar que la tabla 12 confirmó
mediante evidencia estadísticamente representativa que Representatividad y
Contabilidad Mental son dos sesgos conductuales que se manifiestan de manera diferente
en ambos grupos de inversionistas.
Los coeficientes canónicos estandarizados de la función discriminante son el
equivalente a los coeficientes que se obtienen en análisis de regresión múltiple. Entre más
alto sea el valor de dichos coeficientes, mayor será la importancia de esas variables en la
predicción de diferencias entre ambos grupos. Los signos de los coeficientes indican la
dirección de la relación.
Tabla 3.15
Análisis discriminante (coeficientes estandarizados canónicos)
Standardized Canonical
Discriminant Function
Coefficients
Function
1
Exceso de Confianza -.225
Representatividad .558
Efecto Manada .270
Disonancia Cognitiva .050
Temor al arrepentimiento -.056
Contabilidad Mental .824
Falacia del Jugador .216
Retrospectivo -.102
Anclaje -.538
Fuente: Data recopilada y procesada en SPSS.
Podemos observar que las variables Contabilidad Mental y Representatividad
tienen coeficientes bastante elevados, esto comprueba ulteriormente los resultados
obtenidos previamente en la tabla 3.14. Es interesante sin embargo observar que temor al
arrepentimiento que parecía ser una variable significativa para la tabla 3.14 tiene un
coeficiente canónico bastante bajo perdiendo de esta manera peso relativo como variable,
52
por otro lado, la variable Anclaje a pesar de no parecer significativa en pruebas anteriores
presenta un coeficiente bastante elevado lo que podría implicar que si brinda un aporte
significativo para predecir las diferencias entre grupos.
Tabla 3.16
Análisis discriminante (matriz de estructura)
Structure Matrix Function
1
Contabilidad Mental .623
Representatividad .581
Efecto Manada .424
Temor al arrepentimiento .304
Anclaje -.106
Falacia del Jugador .100
Exceso de Confianza .088
Disonancia Cognitiva .070
Retrospectivo -.028
Pooled within-groups correlations
between discriminating variables
and standardized canonical
discriminant functions
Variables ordered by absolute size
of correlation within function.
Fuente: Data recopilada y procesada en SPSS
La matriz de estructura es otro método utilizado en el análisis discriminante para
observar la importancia relativa de las variables independientes. Esta prueba se considera
aún más exacta que los coeficientes canónicos estandarizados. En la tabla 3.16 podemos
observar en orden de importancia las variables que más aporte brindan a la función
discriminante, como ha sido reportado previamente, Contabilidad Mental,
Representatividad y Temor al Arrepentimiento son tres de los sesgos con mayor aporte,
pero es interesante observar que la variable Efecto Manada adquirió importancia como
discriminador a pesar de no serlo en pruebas anteriores.
El análisis discriminante ofrece la opción de presentar los resultados en tablas de
clasificación, estas tablas son una manera interesante de representar los patrones de
comportamiento observados en ambos grupos de inversionistas.
En la tabla 3.17 se podrá observar en las filas las observaciones originales y en
las columnas las predicciones del modelo.
53
Tabla 3.17
Análisis discriminante (tabla de clasificación)
La tabla 3.19 muestra que el 67.9% de los casos originales fueron correctamente
clasificados por el análisis discriminante, lo cual es un resultado bastante elevado. La
tabla presenta dos tipos de resultados, los originales y los validados de forma cruzada. En
la clasificación original 16 inversionistas jóvenes (40%) presentaban un comportamiento
frente a los sesgos atribuido por al análisis a inversionistas experimentados mientras que
solo el 11 (25%) de los inversionistas experimentados mostraron patrones de
comportamiento atribuidos por el análisis a inversionistas jóvenes. En la segunda parte
de la tabla se muestran resultados con un mayor nivel de precisión debido a que, bajo este
método, una variable no es considerada y luego la función discriminante es desarrollada
usando el resto de variables de manera que la variable omitida es categorizada usando
este resultado. El proceso es repetido para todas las variables y de esa manera se obtienen
los resultados cruzados.
Al obtenerse que un 67.9% de los casos han sido clasificados correctamente, la
presente investigación postula que efectivamente existe diferencias entre inversionistas
jóvenes y experimentados a pesar de que no se pueda decir que uno de los dos grupos sea
afectado de manera diferente por los sesgos conductuales.
Mientras que los coeficientes canónicos estandarizados son utilizados para
elaborar un ranking de la contribución de las variables a la diferenciación de los grupos
J E
Joven 24 16 40
Experimentado 11 33 44
Joven 60.0 40.0 100.0
Experimentado 25.0 75.0 100.0
Joven 19 21 40
Experimentado 13 31 44
Joven 47.5 52.5 100.0
Experimentado 29.5 70.5 100.0
Fuente: Data recopilada y procesada en SPSS.
b. Cross validation is done only for those cases in the analysis. In cross validation, each
case is classified by the functions derived from all cases other than that case.
c. 59.5% of cross-validated grouped cases correctly classified.
Original
Cross-validatedb
VariableDicotomica
Classification Resultsa,c
a. 67.9% of original grouped cases correctly classified.
Predicted Group
Total
%
Conteo
%
Conteo
54
los coeficientes no canónicos no estandarizados sirven para construir la función
discriminante y establecer los verdaderos coeficientes de cada una de las variables.
Tabla 3.18
Análisis discriminante (coeficientes canónicos no estandarizados)
Canonical Discriminant Function Coefficients
Function
1
Exceso de Confianza -.294
Representatividad 1.432
Efecto Manada .498
Disonancia Cognitiva .114
Temor al arrepentimiento -.113
Contabilidad Mental 1.146
Falacia del Jugador .476
Retrospectivo -.125
Anclaje -1.106
(Constant) -4.319
Unstandardized coefficients
Fuente: Data recopilada y procesada en SPSS.
De manera que la función discriminante del análisis sería la siguiente:
𝐃 = −𝟎. 𝟐𝟗𝟒𝐄𝐂+ 𝟏. 𝟒𝟑𝟐𝐑 + 𝟎. 𝟒𝟗𝟖𝐄𝐌+ 𝟎. 𝟏𝟏𝟒𝐃𝐂 − 𝟎. 𝟏𝟏𝟑𝐓𝐀 +
𝟏. 𝟏𝟒𝟔𝐂𝐌 + 𝟎. 𝟒𝟕𝟔𝐅𝐉 − 𝟎. 𝟏𝟐𝟓𝐑𝐞𝐭 − 𝟏. 𝟏𝟎𝟔𝐀 − 𝟒. 𝟑𝟏𝟗
Siendo, EC: Exceso de confianza, R: Representatividad, EM: Efecto Manda,
DC: Disonancia Cognitiva, TA: Temor al arrepentimiento, CM: Contabilidad Mental,
FJ: Falacia del Jugador, Ret: Retrospectivo, A: Anclaje y D la función discriminante.
Cada coeficiente indica la contribución de dicha variable a la función, por ejemplo, la
variable Contabilidad Mental con un coeficiente de 1.146 indica que este sesgo se
presentó de manera diferente entre ambos grupos.
3.4 Impacto independiente de los sesgos conductuales
En la tabla 3.19 se puede observar la composición de preguntas que sirvieron para la
construcción de las nueve variables, los resultados de estas preguntas se mostraran a
55
continuación en el presente capitulo. Debido a la extensión de las preguntas estas estarán
incluidas en el apéndice I6
Tabla 3.19
Clasificación de las preguntas de la encuesta, según sesgo conductual
3.4.1 Exceso de confianza
El exceso de confianza es uno de los sesgos conductuales más comunes, reconocidos y
estudiados. Para la presente investigación se plantearon 5 preguntas relacionadas al
exceso de confianza en la encuesta7. Todas las preguntas, excepto una, fueron diseñadas
en una escala de 3 puntos de Likert, la pregunta restante8 corresponde a una escala de
Likert de 7 puntos y fue recodificada para que responda a una Likert 3 puntos de la
siguiente manera: 5-7 = alto riesgo, 3-4 = riesgo medio y 1-2 = bajo riesgo.
Posteriormente las 5 preguntas fueron puntuadas (con valores de 1-3 como ha sido
explicado previamente), sumadas, promediadas y recodificadas para que representen una
escala de 5 puntos de Likert que se puede observar en la tabla 3.20
6 Preguntas del cuestionario, Anexo I.
7 Preguntas 10-14, Anexo I.
8 Pregunta 12, Anexo I
Sesgo
N° de
Preguntas Numeros Formato
Exceso de Confianza 5 10, 11, 12, 13 y 14 SPSS
Representatividad 2 5 y 8 SPSS
Efecto Manada 3 4, 6 y 7 SPSS
Anclaje 3 15, 16 y 19 SPSS
Disonancia Cognitiva 2 20 y 21 SPSS
Temor al arrepentimiento 2 23 y 24 SPSS
Falacia del Jugador 2 25 y 26 SPSS
Contabilidad Mental 1 12 SPSS
Retrospectiva 2 9 y 29 SPSS
Elaboración propia
56
Tabla 3.20
Exceso de confianza – tabla de contingencia
De esta tabla es importante notar que el 37.5% de los inversionistas jóvenes y el
43.18% de los inversionistas experimentados presentan al menos un nivel de exceso de
confianza al menos moderado al tomar decisiones de inversión.
Los resultados del análisis discriminante sugieren que el Exceso de Confianza no
es una variable que puede diferenciar a los inversionistas entre jóvenes y experimentados,
para comprobar esto se realizó un test Chi-cuadrado.
Hipótesis a probar:
• H0: Los inversionistas jóvenes no presentan el sesgo de exceso de confianza más
que los inversionistas experimentados.
• H1: Los inversionistas jóvenes presentan el sesgo de exceso de confianza en una
proporción mayor o menor a los inversionistas experimentados.
Tabla 3.21
Exceso de confianza – test chi-cuadrado I
Chi-Square Tests
Value df Asymp.
Sig. (2-
sided)
Pearson Chi-Square 13.280a 3 .004
Likelihood Ratio 15.998 3 .001
Linear-by-Linear Association .107 1 .743
N of Valid Cases 84
a. 2 cells (25.0%) have expected count less than 5. The minimum
expected count is 1.90.
Fuente: Data recopilada y procesada en SPSS.
Exceso de
Confianza
Exceso de
Confianza
moderado
PromedioLigeramente
difidenteDifidente Total
Count 0 15 24 1 0 40
% dentro del tipo de inversionista 0.0% 37.5% 60.0% 2.5% 0.0% 100.0%
Count 4 15 15 10 0 44
% dentro del tipo de inversionista 9.1% 34.1% 34.1% 22.7% 0.0% 100.0%
Count 4 30 39 11 0 84
% dentro del tipo de inversionista 4.8% 35.7% 46.4% 13.1% 0.0% 100.0%
Fuente: Data recopilada y procesada en SPSS.
Overconfidence
Total
VariableDicotomica * Overconfidence Crosstabulation
Variable
Dicotomica
Jóven
Experimentado
57
Los resultados de la tabla 3.21 no pueden ser validados debido a que dos celdas
contaban con el número mínimo de observaciones, por lo tanto, se repitió el análisis
uniendo las categorías de Exceso de Confianza y Exceso de Confianza Moderado, así
como Difidente con Ligeramente difidente.
Tabla 3.22
Exceso de confianza – test chi-cuadrado II
Chi-Square Tests
Value df Asymp. Sig. (2-sided)
Pearson Chi-Square 9.743a 2 .008
Likelihood Ratio 10.924 2 .004
Linear-by-Linear Association .951 1 .330
N of Valid Cases 84
a. 0 cells (0.0%) have expected count less than 5. The minimum expected count is 5.24.
Fuente: Data recopilada y procesada en SPSS.
El p-valor de la prueba Chi-cuadrado de Pearson rechaza la hipótesis nula, lo que
implica que la experiencia de los inversionistas tiene influencia en el comportamiento
derivado de la presencia del sesgo Exceso de Confianza. Este resultado entra en
contradicción con los resultados obtenidos por el análisis discriminante anterior, lo cual
se tuvo en cuenta para los resultados finales en el siguiente capítulo.
Para comprobar si los inversionistas en general tienden a presentar el sesgo de
exceso de confianza se utilizó el método de puntajes ponderados, como puede ser
observado en la tabla 3.23
Se asignaron pesos de 5 a 1 a las diferentes columnas (partiendo de 5 para el
Exceso de Confianza hasta 1 para los Difidentes) el cálculo fue realizado en MS Excel.
Tabla 3.23
Exceso de confianza – Puntajes ponderados
Tipo de
Inversionista
Puntaje
Ponderado
Promedio Puntaje
de
referencia
Resultado
Jóven 134 8.9 8 Presencia del Sesgo
Experimentado 145 9.7 8.8 Presencia del Sesgo
Fuente: Data recopilada y procesada en MS Excel.
El puntaje de referencia se calcula asumiendo una supuesta muestra donde el total
de los participantes eligieron la opción neutral (en este caso promedio con un peso de 3).
58
Tanto el grupo de inversionistas jóvenes como el grupo de inversionistas experimentados
tienen puntajes ponderados promedio superiores al puntaje de referencia, lo que da
indicios de que en general ambos grupos de inversionistas son afectados en mayor
proporción por el sesgo efecto de confianza que una población neutral.
3.4.2 Representatividad
El sesgo de representatividad aparece cuando, en muchos casos, los inversionistas
catalogan ciertos tipos de acciones solamente en base a eventos pasados de compañías
“similares”, ya sean estos del pasado inmediato o antiguo. Esto sucede debido a que es
más fácil para el ser humano comparar información nueva en función de categorías
previamente creadas (normalmente en función a la experiencia), de esta manera la mente
evita realizar análisis “innecesarios” y “evita” una pérdida de tiempo.
El análisis de este sesgo tuvo resultados diversos en el análisis discriminante, las
pruebas que se exponen a continuación tienen como objetivo analizar si ambos grupos de
inversionistas pueden ser separados por su afinidad al sesgo y si, en general, los
inversionistas presentan el sesgo en sus decisiones.
Los resultados de utilizar simplificaciones heurísticas para inversionistas implican
que estos puedan exagerar su optimismo al haber tomado decisiones correctas o ser
exageradamente pesimistas con respecto a pérdidas o malas decisiones realizadas.
Por lo tanto, se realizó una pregunta9 para observar si los inversionistas
consideraban el comportamiento pasado de una acción antes de invertir en ella. El
resultado de esta pregunta fue que el 70% de los inversionistas jóvenes y el 43.2% de los
inversionistas experimentados siempre analizaban el comportamiento pasado de una
acción antes de invertir en ella.
Por otro lado, se considera que un inversionista está sujeto al sesgo de
representatividad cuando piensa que pueda predecir el valor futuro de una acción basado
exclusivamente en su comportamiento pasado. En la pregunta 8 se hizo está misma
pregunta, los resultados fueron sorprendentes ya que el 9.5% de los inversionistas
9 Pregunta 5, Anexo I.
59
considera que sí es posible encontrar el valor futuro de una acción mediante un análisis
detallado de su comportamiento pasado y el 63.1% de los inversionistas consideran que
es posible en algunas ocasiones.
Para comprobar si los inversionistas en la presente investigación estaban o no
sujetos de manera significativa al sesgo se realizaron dos preguntas10 , ambas
corresponden a una escala de Likert de 3 puntos, las cuales fueron combinadas de la
forma previamente explicada para analizar el sesgo.
Tabla 3.24
Representatividad – tabla de contingencia
De la misma manera que en el análisis anterior podemos observar que el 50% de
los inversionistas jóvenes y el 34.1% de los experimentados son afectados por el sesgo
conductual de manera significativa y solo un 10.7% de los inversionistas totales no son
afectados por el sesgo de representatividad (siendo la mayoría inversionistas
experimentados y muy pocos jóvenes). Estos porcentajes son significativamente
diferentes y podemos observar que el sesgo afecta en mayor medida a los inversionistas
jóvenes frente a los experimentados.
Para comprobar estos resultados se utilizó la prueba de Chi-cuadrado de la misma
forma que en el sesgo anterior, sin embargo, el número de casos recomendados por el
SPSS no se cumple por lo que los resultados no pueden ser presentados con significancia
(el test rechazaba H0 de manera que los inversionistas jóvenes son más afectados que los
inversionistas experimentados).
10 Pregunta 5 y 8, Anexo I.
SiempreAlgunas
VecesNunca Total
Count 20 19 1 40
% dentro del tipo de inversionista 50.0% 47.5% 2.5% 100.0%
Count 15 21 8 44
% dentro del tipo de inversionista 34.1% 47.7% 18.2% 100.0%
Count 35 40 9 84
% dentro del tipo de inversionista 41.7% 47.6% 10.7% 100.0%
Fuente: Data recopilada y procesada en SPSS.
Representatividad
VariableDicotomica * Representatividad Crosstabulation
Variable
Dicotomica
Jóven
Experimentado
Total
60
Tabla 3.25
Representatividad – puntajes ponderados
Tipo de
Inversionista
Puntaje
Ponderado
Promedio Puntaje de
referencia
Resultado
Jóven 99 16.5 13.3 Presencia del
Sesgo
Experimentado 95 15.8 14.7 Presencia del
Sesgo
Fuente: Data recopilada y procesada en MS Excel.
Luego se evaluó mediante el método de puntajes ponderados si los inversionistas
presentaban el sesgo en mayor proporción a una muestra de referencia con todos los
inversionistas neutrales al riesgo. Los resultados muestran tanto para los inversionistas
jóvenes como para los experimentados son afectados en mayor medida que la muestra de
referencia, además se observa que el puntaje promedio de los inversionistas jóvenes es
significativamente mayor al de los inversionistas experimentados, brindando mayor
evidencia de que este grupo es más afectado que el segundo por el sesgo conductual.
Para resumir los resultados indican que los inversionistas entrevistados son
altamente susceptibles a presentar el sesgo de representatividad al tomar decisiones de
inversión, siendo los inversionistas jóvenes el grupo más propenso a ser afectado por
dicho sesgo. Esto puede estar llevándolos a tomar decisiones de inversión erradas
subestimando compañías que tengan características similares malas inversiones
realizadas en el pasado y sobrestimando el valor de compañías que sean similares a
buenas inversiones pasadas.
3.4.3 Efecto manada
Si un inversionista basa la mayor parte de sus decisiones en los “sentimientos” del
mercado o en las decisiones tomadas por la mayoría en lugar de utilizar su propio criterio
puede decirse efectivamente que está siendo afectado por el sesgo conductual Efecto
Manada.
Ya sea debido a que considere que la mayoría de las personas toman la decisión
correcta o porque tenga miedo de quedar en ridículo si se equivoca, el efecto manada
daña los resultados del inversionista ya que al tomar las mismas decisiones que el resto
es imposible obtener ganancias anormales. El grave problema del efecto manada se
61
genera cuando hay corrientes negativas, como el caso de las “corridas o rally” (cuando
gran parte de los inversionistas entran en pánico debido a alguna noticia o suceso y
venden en “manada” toda su posición de una acción y de esta manera destruyen el precio
el precio de esta) por ejemplo. Esto puede llevar a los inversionistas a incurrir en pérdidas
extraordinarias, en especial para inversionistas privados ya que estos son más propensos
a mantener acciones a la baja debido a la incerteza o por imitar lo que el resto de los
inversionistas está haciendo.
Para la presente investigación se preguntó11 a los inversionistas en que juicio o
criterio daban mayor importancia al realizar inversiones, a continuación, se muestran los
resultados:
El 53.6% del total de inversionistas confían más en su propio criterio que en otras
fuentes, el 60% de los inversionistas jóvenes, frente a un 47.7% de los inversionistas
experimentados.
El 47.7% de los inversionistas experimentados confían en el criterio de brokers o
expertos más que en cualquier otra fuente, mientras que tan solo el 30% de los
inversionistas jóvenes confían más en expertos y brokers. Este resultado puede implicar
que los inversionistas jóvenes hacen menor uso de brokers al realizar inversiones.
Solo el 7.1% del total de inversionistas confían en el juicio de amigos o colegas,
el 10% de los inversionistas jóvenes y el 4.5% de los inversionistas experimentados.
Tabla 3.26
Efecto manada preliminar – tabla de contingencia II
11 Pregunta 4, Anexo I.
Broker/Opiniones
de ExpertosPropio Amigos/Colegas Total
Count 12 24 4 40
% dentro del tipo de inversionista 30.0% 60.0% 10.0% 100.0%
Count 21 21 2 44
% dentro del tipo de inversionista 47.7% 47.7% 4.5% 100.0%
Count 33 45 6 84
% dentro del tipo de inversionista 39.3% 53.6% 7.1% 100.0%
Fuente: Data recopilada y procesada en SPSS.
Total
VariableDicotomica * Pregunta 4
Representatividad
Variable
Dicotomica
Jóven
Experimentado
62
Para confirmar la significancia de la tabla anterior se realizó un test Chi-cuadrado,
sin embargo, para esta pregunta el número de casos recomendados por el SPSS no se
cumple por lo que los resultados no pueden ser presentados con significancia.
Idealmente, si se realizan inversiones de largo plazo, los volúmenes diarios de
compra-venta de una acción no deberían tener mucho peso en las decisiones de los
inversionistas. Volúmenes altos usualmente representan el trabajo de traders o en algunos
casos especuladores. Para ver como reaccionaban los inversionistas peruanos se realizó
una pregunta12, los resultados son presentados en la tabla 3.27
Tabla 3.27
Efecto manada preliminar – tabla de contingencia II
Para el caso peruano el 61.9% de los inversionistas totales aceptaron siempre
observar el volumen de compra de una acción antes de realizar decisiones, 67.5% de los
inversionistas jóvenes y el 56.8% de los inversionistas experimentados.
A pesar de que es un indicador de efecto manada la pregunta anterior por sí sola
no puede ser considerada como una prueba concreta de la presencia del efecto manada
en los inversionistas de la muestra por lo tanto se realizó una pregunta13 adicional para
ver cómo reaccionarían los inversionistas ante una “fiebre de compras”, los resultados se
muestran en la tabla 3.28.
12 Pregunta 6, anexo I.
13 Pregunta 7, anexo I
Siempre Algunas veces Nunca Total
Count 27 8 5 40
% dentro del tipo de inversionista 67.5% 20.0% 12.5% 100.0%
Count 25 8 11 44
% dentro del tipo de inversionista 56.8% 18.2% 25.0% 100.0%
Count 52 16 16 84
% dentro del tipo de inversionista 61.9% 19.0% 19.0% 100.0%
Fuente: Data recopilada y procesada en SPSS.
Total
VariableDicotomica * Pregunta 6
Efecto Manada
Variable
Dicotomica
Jóven
Experimentado
63
Tabla 3.28
Efecto manada preliminar – tabla de contingencia III
En la tabla se puede apreciar que el 52.4% de los inversionistas reaccionarían
positivamente a la situación planteada y esto da una gran señal de la presencia del efecto
manada. Es importante resaltar este sesgo parece afectar en mayor medida a los
inversionistas jóvenes ya que el 60% se vería influenciado por la fiebre de compras frente
a solo el 45.5% de los inversionistas experimentados.
Para comprobar la presencia del sesgo las dos últimas preguntas fueron
combinadas y clasificadas como ha sido previamente explicado para crear una escala de
Likert de 3 puntos, los resultados se observan en la tabla 3.29
Tabla 3.29
Efecto manada – tabla de contingencia
La tabla 3.31 presenta evidencia que el 67.9% de los inversionistas entrevistados
muestran una conducta afectada por el sesgo conductual efecto manada. Los
inversionistas jóvenes (75%) parecen mostrar una presencia del sesgo en mayor
proporción a los inversionistas experimentados. Es importante resaltar que el 22.7% de
los inversionistas experimentados no muestran indicios de estar afectados por dicho
sesgo, solo el 10% de los inversionistas jóvenes tienen el mismo comportamiento.
Sí Algunas veces No Total
Count 30 6 4 40
% dentro del tipo de inversionista 75.0% 15.0% 10.0% 100.0%
Count 27 7 10 44
% dentro del tipo de inversionista 61.4% 15.9% 22.7% 100.0%
Count 57 13 14 84
% dentro del tipo de inversionista 67.9% 15.5% 16.7% 100.0%
Fuente: Data recopilada y procesada en SPSS.
Experimentado
Total
Efecto Manada
VariableDicotomica *Efecto Manada
Variable
Dicotomica
Jóven
Positivamente Sin efecto Negativamente Total
Count 24 14 2 40
% dentro del tipo de inversionista 60.0% 35.0% 5.0% 100.0%
Count 20 21 3 44
% dentro del tipo de inversionista 45.5% 47.7% 6.8% 100.0%
Count 44 35 5 84
% dentro del tipo de inversionista 52.4% 41.7% 6.0% 100.0%
Fuente: Data recopilada y procesada en SPSS.
Total
VariableDicotomica * Pregunta 7
Efecto Manada
Variable
Dicotomica
Jóven
Experimentado
64
Se realizó la prueba de puntajes ponderados para confirmar la suposición de que
los inversionistas de la muestra son afectados por el efecto manada, los resultados se
presentan en la tabla 3.30
Tabla 3.30
Efecto manada – puntajes ponderados
Tipo de
Inversionista
Puntaje
Ponderado Promedio
Puntaje de
referencia Resultado
Jóven 106 17.7 13.3 Presencia del Sesgo
Experimentado 105 17.5 14.7 Presencia del Sesgo
Fuente: Data recopilada y procesada en MS Excel.
En ambos grupos de inversionistas el puntaje promedio es superior al puntaje de
referencia, lo que indica la presencia del sesgo. Es importante observar que el puntaje
obtenido por los inversionistas jóvenes es muy superior a su puntaje de referencia lo cual
presenta evidencia de que los inversionistas jóvenes son más afectados por el sesgo que
los experimentados.
Para comprobar estadísticamente la hipótesis de que los inversionistas jóvenes
están más afectados por el sesgo se realizó una prueba Chi-cuadrado con las siguientes
hipótesis.
• H0: Ambos grupos de inversionistas son igualmente afectados el sesgo.
• H1: Los inversionistas jóvenes son más propensos a presentar el sesgo frente a
los inversionistas experimentados.
Los resultados se muestran en la tabla 3.31, el p-valor de 0.270 no permite
rechazar la hipótesis nula, por lo tanto, no se puede afirmar estadísticamente que alguno
de los dos grupos de inversionistas sea más afectado por el Efecto Manada que el otro.
Los resultados son consistentes con lo reportado por el análisis discriminante ya que
tampoco se pudo mediante dicho análisis separar a los inversionistas en dos grupos
satisfactoriamente.
65
Tabla 3.31
Efecto manada – test chi-cuadrado
3.4.4 Anclaje
El anclaje en la bolsa de valores se puede presentar cuando los inversionistas se “anclan”
a información o precios en el momento de tomar decisiones. En muchas ocasiones el
hecho de fijar un precio para una acción con mucho tiempo de anticipación (tanto para
comprar como para vender) basado en el comportamiento pasado de la acción puede
llevar a los inversionistas a entrar al mercado en un mal momento o vender acciones con
alto potencial con mucha anticipación. Los resultados de fijarse a un precio determinado
pueden ocasionar graves problemas o pérdida de oportunidades ya que muchas veces
dichos precios no pueden ser alcanzados nuevamente.
Se consultó14 por lo tanto a los inversionistas si habitualmente fijaban un precio
de compra o venta para ciertas acciones antes de la apertura de la bolsa, el 38.1% de los
inversionistas respondieron positivamente mientras que un 36.9% lo hace en ocasiones.
Ya que el 75% de los inversionistas respondieron que al menos en ocasiones fijan precios
se puede decir con seguridad que la mayor parte de los inversionistas tienen un rango de
precios para las acciones en mente antes de observar o analizar los resultados que se
presentan en el día.
También se realizó una pregunta15 para evaluar si los inversionistas utilizan o no
los llamados “stop loss” en sus intercambios, estas órdenes son evidencia de que los
inversionistas tienen estrategias de salida si sus inversiones empiezan a deteriorarse.
14 Pregunta 15, anexo I
15 Pregunta 16, anexo I
Value df Asymp. Sig. (2-sided)
Pearson Chi-Square 2.622a 2 .270
Likelihood Ratio 2.701 2 .259
N of Valid Cases 84
Fuente: Data recopilada y procesada en SPSS.
a. 0 cells (0.0%) have expected count less than 5. The minimum
Chi-Square Tests
66
El 27.5% de los inversionistas jóvenes y el 13.6% de los inversionistas
experimentados utilizan “stop loss” en sus intercambios, en total tan solo el 20.2% de los
inversionistas dicen siempre utilizarlos.
La última pregunta16 relacionada a este sesgo corresponde a una situación
hipotética donde se les pregunta a los inversionistas si comprarían una acción que tiene
un valor 80% menor a su precio ancla. El 34.5% de los inversionistas respondieron
afirmativamente mientras que un 15.5% dijeron que no la comprarían.
Para comprobar si los inversionistas están o no afectados por el sesgo las tres
preguntas fueron combinadas y reclasificadas para crear una sola variable “Anclaje”.
Los resultados son presentados en la tabla 3.32, donde se observa que tan solo el
16.7% de los inversionistas son siempre afectados por dicho sesgo (en las preguntas
realizadas), y el 25% no se ha visto afectado por el sesgo.
Tabla 3.32
Anclaje – tabla de contingencia
Para comprobar si ambos grupos son afectados de manera diferente por el sesgo
se realizó una prueba Chi-cuadrado.
• H0: Ambos grupos de inversionistas son afectados de la misma forma por el
anclaje.
16 Pregunta 19, anexo I.
AfectadosAlgunas
Veces
No
afectadosTotal
Count 7 21 12 40
% dentro del tipo de inversionista 17.5% 52.5% 30.0% 100.0%
Count 7 28 9 44
% dentro del tipo de inversionista 15.9% 63.6% 20.5% 100.0%
Count 14 49 21 84
% dentro del tipo de inversionista 16.7% 58.3% 25.0% 100.0%
Fuente: Data recopilada y procesada en SPSS.
Total
VariableDicotomica * Anclaje Crosstabulation
Anclaje
Variable
Dicotomica
Jóven
Experimentado
67
• H1: Los inversionistas jóvenes son afectados en mayor medida por el anclaje
que los experimentados.
Tabla 3.33
Anclaje – test chi-cuadrado
Como podemos observar en la tabla 3.33, el p-valor de 0.538 no permite
rechazar la hipótesis nula de manera que no se puede comprobar que el sesgo
conductual anclaje afecte de manera diferente a los inversionistas jóvenes en
comparación con los experimentados.
Por último, se realizó un análisis por puntajes ponderados para comprobar si los
inversionistas estarían más afectados por dicho sesgo en comparación a una muestra
neutral de referencia.
Tabla 3.34
Anclaje – Puntajes ponderados
Debido a que las puntuaciones promedio son inferiores a los puntajes de
referencia podemos concluir que los inversionistas de la muestra (tanto jóvenes como
experimentados) no presentan diferencias en el sesgo conductual Anclaje, de manera
significativa.
3.4.5 Disonancia cognitiva
La disonancia cognitiva es un sesgo conductual, que ocurre cuando los inversionistas
cambian sus creencias y opiniones de manera que sean consistentes con sus decisiones
pasadas (Subash, 2012). Inconscientemente la mente humana tiende a protegerse a sí
Value df Asymp. Sig. (2-sided)
Pearson Chi-Square 1.241a 2 .538
Likelihood Ratio 1.243 2 .537
N of Valid Cases 84
Fuente: Data recopilada y procesada en SPSS.
Chi-Square Tests
a. 0 cells (0.0%) have expected count less than 5. The minimum
Tipo de Inversionista Puntaje Ponderado Promedio Puntaje de referencia Resultado
Jóven 75 12.5 13.3 Ausencia del Sesgo
Experimentado 86 14.3 14.7 Ausencia del Sesgo
Fuente: Data recopilada y procesada en MS Excel.
68
mismo eliminado o tratando de olvidar errores pasados, esto sucede en casi todos los
aspectos de la vida cotidiana y las decisiones de inversión no son la excepción.
En sentido estricto las personas afectadas por este sesgo conductual evitan o
minimizan nueva información que entra en contradicción con creencias o conceptos
pasados. De esta manera los inversionistas afectados por este sesgo tratarían de evitar
entrar en contacto o simplemente ignorarían información que pueda dañar sus decisiones
pasadas de inversión.
Se les preguntó17 a los inversionistas si consideraban que su mente trataba de
justificar errores cometidos en el pasado, el 22.6% de los inversionistas respondió
afirmativamente, lo interesante en este caso es observar que el 42.9% de los inversionistas
admitió que en ocasiones su mente trataba de justificar sus errores, lo cual demuestra que
una gran parte de la muestre de inversionistas podría verse afectada por este sesgo.
En otra pregunta se creó una situación hipotética en la cual se le presentaba al
inversionista nueva información que entraba en directa contradicción con decisiones u
opiniones pre-existentes, los resultados indican que solo el 11.9% de los inversionistas
aceptaría inmediatamente dicha información, mientras que el 26.2% admitió que no lo
haría, es importante resaltar que la mayor parte de los inversionistas (61.9%) no
descartaría la información, pero tampoco reaccionaría inmediatamente a ella.
Se combinaron las dos preguntas para crear una sola variable, es importante
resaltar que en este caso la segunda pregunta fue recodificada de manera inversa a lo
usual en el estudio. Las respuestas positivas tuvieron un puntaje de 1 mientras que las
respuestas negativas fueron puntuadas con 3 ya que en este caso las respuestas negativas
implican la presencia del sesgo.
17 Pregunta 20, anexo I.
69
Tabla 3.35
Disonancia cognitiva – tabla de contingencia
Los resultados de la tabla muestran que el 26.2% de la muestra se ve afectada por
el sesgo, el 48.8% es neutro frente al sesgo (no puede ser considerado como afectado o
no afectado por el sesgo) y el 25% no es afectado.
Para continuar con el análisis se prosiguió con el método de puntajes ponderados.
En este caso los resultados son opuestos, para el grupo de inversionistas experimentados
el puntaje promedio es inferior al de referencia indicando la ausencia del sesgo, mientras
que para los inversionistas jóvenes se prueba la presencia del sesgo. Es importante
resaltar que en el caso de los inversionistas jóvenes el puntaje promedio es mayor al
puntaje de referencia por muy poco, casi estando al mismo nivel que una muestra
completamente neutral al sesgo.
Tabla 3.36
Disonancia cognitiva – puntajes ponderados
Para comprobar que el sesgo conductual de disonancia cognitiva afecta de manera
diferente a ambos grupos de inversionistas se realizó una prueba Chi-cuadrado.
• H0: Ambos grupos de inversionistas son afectados de la misma forma por
Disonancia Cognitiva.
• H1: Los inversionistas jóvenes son afectados en mayor medida por la disonancia
cognitiva frente a los experimentados,
Sí Neutro No Total
Count 12 19 9 40
% dentro del tipo de inversionista 30.0% 47.5% 22.5% 100.0%
Count 10 22 12 44
% dentro del tipo de inversionista 22.7% 50.0% 27.3% 100.0%
Count 22 41 21 84
% dentro del tipo de inversionista 26.2% 48.8% 25.0% 100.0%
Fuente: Data recopilada y procesada en SPSS.
Total
VariableDicotomica *Disonancia Cognitiva
Disonancia Cognitiva
Variable
Dicotomica
Jóven
Experimentado
Tipo de Inversionista Puntaje Ponderado Promedio Puntaje de referencia Resultado
Jóven 83 13.8 13.3 Presencia del Sesgo
Experimentado 86 14.3 14.7 Ausencia del Sesgo
Fuente: Data recopilada y procesada en MS Excel.
70
Tabla 3.37
Disonancia cognitiva – test chi-cuadrado
El p-valor de 0.726 no permite rechazar la hipótesis nula por lo tanto no puede
afirmarse que los inversionistas jóvenes son más afectados que los inversionistas
experimentados por este sesgo, los resultados son similares a los encontrados por el
análisis discriminante donde este sesgo no es representativo para separar la muestra.
3.4.6 Temor al arrepentimiento
En inversiones el temor al arrepentimiento se presenta cuando las personas evitan tomar
decisiones decisivas ya que temen tomar decisiones erróneas. Esto ocasiona que el
inversionista evite vender acciones que representaron una mala inversión o se muestre
reacio a ingresar al mercado cuando este le ha ocasionado pérdidas recientes. Se le
preguntó a los inversionistas si habían mantenido acciones a la baja por mucho tiempo o
viceversa (vender una acción al alza en muy poco tiempo), el 17.9% de los inversionistas
admitió que casi siempre padecían del mismo problema e interesantemente el 66.7%
admitió que les sucedía algunas veces. También se hizo una pregunta para observar si
habitualmente los inversionistas frenaban sus inversiones ante la expectativa de obtener
buenas noticias, el 15.5% de los inversionistas admitieron que casi siempre esperaban por
buenas noticias antes de realizar inversiones y un 71.4% de estos admitieron haberlo
hecho en ocasiones. Ambas preguntas fueron recodificadas para crear una tabla de
contingencia y poder analizar el sesgo en conjunto. Los resultados se presentan en la tabla
3.38 donde se observa que el 17.9% de los inversionistas de la muestra son afectados por
el sesgo y un 63.1% de estos podrían estar siendo afectos al menos en ocasiones.
Value df Asymp. Sig. (2-sided)
Pearson Chi-Square .641a 2 .726
Likelihood Ratio 0.641 2 .726
N of Valid Cases 84
Fuente: Data recopilada y procesada en SPSS.
a. 0 cells (0.0%) have expected count less than 5. The minimum
expected count is 10.
Chi-Square Tests
71
Tabla 3.38
Temor al arrepentimiento – tabla de contingencia
Para probar si existe una diferencia estadísticamente significativa en el efecto del
sesgo en ambos grupos de inversionistas se realizó una prueba Chi-cuadrado.
Se probaron las hipótesis.
• H0: Ambos grupos de inversionistas son afectados de la misma manera por
el sesgo.
• H1: Los inversionistas jóvenes son más propensos a ser afectados por el sesgo
frente a los inversionistas experimentados.
Tabla 3.39
Temor al arrepentimiento – test chi-cuadrado
Debido al valor del p-valor, estadísticamente no se puede rechazar la hipótesis
nula.
Finalmente se procedió a realizar la prueba de puntajes ponderados, los resultados
han sido presentados en la tabla 3.40.
Siempre Algunas veces Nunca Total
Count 9 26 5 40
% dentro del tipo de inversionista 22.5% 65.0% 12.5% 100.0%
Count 6 27 11 44
% dentro del tipo de inversionista 13.6% 61.4% 25.0% 100.0%
Count 15 53 16 84
% dentro del tipo de inversionista 17.9% 63.1% 19.0% 100.0%
Fuente: Data recopilada y procesada en SPSS.
Temor al arrepentimiento
Variable
Dicotomica
Jóven
Experimentado
Total
VariableDicotomica * Temoralarrepentimiento Crosstabulation
Value df Asymp. Sig. (2-sided)
Pearson Chi-Square 2.684a 2 .261
Likelihood Ratio 2.738 2 .254
N of Valid Cases 84
Fuente: Data recopilada y procesada en SPSS.
Chi-Square Tests
a. 0 cells (0.0%) have expected count less than 5. The minimum
expected count is 7.14
72
Tabla 3.40
Temor al arrepentimiento – puntajes ponderados
A pesar de los resultados encontrados por la prueba Chi-cuadrado se puede
observar que el puntaje ponderado promedio de los inversionistas jóvenes es superior al
puntaje de referencia, lo cual indicaría la presencia del sesgo. Lo mismo no puede decirse
de los inversionistas experimentados ya que la prueba permite descargar la presencia del
sesgo. Los resultados no son absolutos y la presencia del sesgo solo podría validarse
ligeramente en los inversionistas jóvenes.
3.4.7 Falacia del jugador
Como ya ha sido explicada, la falacia del jugador en el mercado de valores sucede cuando
los inversionistas tratan de predecir incorrectamente cambios en las tendencias de
mercado, es probable que inversionistas afectados por el sesgo se sientan en capacidad
de predecir cambios de tendencia o resultados futuros, lo cual en la realidad no es posible.
Uno de los ejemplos más comunes de falacia del jugador es la predicción del
resultado de un simple lanzamiento de moneda, por lo tanto, se realizó dicha pregunta18
en la encuesta.
Sorprendentemente solo el 58.3% de los encuestados permanecieron neutros al
resultado (demostrando así no caer en el sesgo) mientras que el 41.7% restante eligió una
de las dos caras de la moneda. Por lo tanto, se puede asumir que para este caso el 41.7%
de los encuestados han estado sujetos al sesgo ya que no han considerado el hecho de que
cada lanzamiento de moneda es un evento independiente y la probabilidad del resultado
no puede de ninguna manera ser condicionada por los lanzamientos anteriores.
18 Pregunta 26, anexo I.
Tipo de Inversionista Puntaje Ponderado Promedio Puntaje de referencia Resultado
Jóven 84 14.0 13.3 Presencia del Sesgo
Experimentado 83 13.8 14.7 Ausencia del Sesgo
Fuente: Data recopilada y procesada en MS Excel.
73
Tabla 3.41
Falacia del jugador – tabla de contingencia I
Ya que no se puede considerar solo con esta simple pregunta que los inversionistas son
afectados por el sesgo conductual, se incluyó una segunda pregunta19 en el análisis para
ver que pensaban los inversionistas acerca de su habilidad de predecir cambios de
tendencia en la BVL. En la tabla 3.41 se observa que solamente el 4.8% del total de
inversionistas se consideraban en grado de poder anticipar siempre o casi siempre
cambios de tendencia en el mercado de acciones, lo cual es un resultado que no indica la
presencia del sesgo. Sin embargo, se observa que el 78.6% de los inversionistas cree ser
capaz de poder predecir los cambios en ocasiones. Estos resultados y los obtenidos en la
tabla 3.41 son bastante contradictorios, hay que señalar que la pregunta del lanzamiento
de la moneda era más sutil, aunque es un tema habitual en la mayor parte de libros y
clases de estadística básica.
Tabla 3.42
Falacia del jugador – tabla de contingencia II
19 Pregunta 25, anexo I.
Cara Sello Sin preferencia Total
Count 17 2 21 40
% dentro del tipo de inversionista 42.5% 5.0% 52.5% 100.0%
Count 15 1 28 44
% dentro del tipo de inversionista 34.1% 2.3% 63.6% 100.0%
Count 32 3 49 84
% dentro del tipo de inversionista 38.1% 3.6% 58.3% 100.0%
Fuente: Data recopilada y procesada en SPSS.
Total
VariableDicotomica * 26 Crosstabulation
Falacia del Jugador
Variable
Dicotomica
Jóven
Experimentado
Sí Algunas veces No Total
Count 2 32 6 40
% dentro del tipo de inversionista 5.0% 80.0% 15.0% 100.0%
Count 2 34 8 44
% dentro del tipo de inversionista 4.5% 77.3% 18.2% 100.0%
Count 4 66 14 84
% dentro del tipo de inversionista 4.8% 78.6% 16.7% 100.0%
Fuente: Data recopilada y procesada en SPSS.
Total
VariableDicotomica *Falacia del Jugador Crosstabulation
Falacia del Jugador
Variable
Dicotomica
Jóven
Experimentado
74
Debido a que los conteos en las celdas no eran suficientes los resultados no
pudieron ser validados con una prueba de Chi-cuadrado, sin embargo, se realizó la prueba
de puntajes ponderados, los resultados se observan en la tabla 3.45
Tabla 3.43
Falacia del jugador – puntajes ponderados
La prueba de puntajes ponderados por su parte también rechaza la presencia del
sesgo en ambos grupos de inversionistas, siendo este el primer sesgo que no se presenta
en conjunto alguno de los dos grupos.
3.4.8 Contabilidad mental
Es usual que las personas y los inversionistas separen sus ingresos en diferentes cuentas
por una infinidad de razones. Pero en ciertas ocasiones este comportamiento se lleva al
extremo ya que los inversionistas tienden a realizar inversiones de manera diferente para
las diferentes “cuentas” de dinero. Si los inversionistas separan un porcentaje para invertir
en la bolsa sabiendo que no lo necesitan y que perderlo no les traerá grandes
consecuencias se está cayendo en este sesgo conductual. El inversionista puede verse
tentado a invertir este dinero “no vital” de una forma completamente diferente y mucho
más arriesgada a lo que haría si el dinero fuera necesario.
La tabla 3.44 muestra los resultados, solo el 45.2% de los inversionistas admitió
siempre separar parte de sus ingresos normales para invertir en la BVL, lo que es
interesante notar es que más de la mitad de los inversionistas jóvenes (52.5%) separa
parte de sus ingresos para la BVL mientras que solo el 38.6% de los inversionistas
experimentados hace lo mismo.
Tipo de Inversionista Puntaje Ponderado Promedio Puntaje de referencia Resultado
Jóven 76 12.7 13.3 Ausencia del Sesgo
Experimentado 82 13.7 14.7 Ausencia del Sesgo
Fuente: Data recopilada y procesada en MS Excel.
75
Tabla 3.44
Contabilidad mental – tabla de contingencia
La variable contabilidad mental fue para el análisis discriminante una de las
variables más importantes para separar ambas muestras, este resultado es apoyado por
los resultados obtenidos de la prueba Chi-cuadrado mostrada en la tabla 3.45
Tabla 3.45
Contabilidad mental – test chi-cuadrado
Se probaron las siguientes hipótesis,
• H0: Ambos grupos de inversionistas son igualmente afectados por el sesgo.
• H1: Los inversionistas jóvenes son más afectados por el sesgo que los
inversionistas experimentados.
El p-valor de 0.023 nos permite rechazar la hipótesis nula de manera que se
comprueba estadísticamente que los inversionistas jóvenes son afectados en mayor
medida por el sesgo discutido anteriormente.
Para comprobar ulteriormente los resultados se realizó la prueba de puntajes
ponderados, los resultados de la tabla 3.44 comprobaron que ambos grupos de
inversionistas son más afectados por los sesgos conductuales en comparación a una
Siempre Algunas veces Nunca Total
Count 21 32 6 40
% dentro del tipo de inversionista 52.5% 80.0% 15.0% 100.0%
Count 17 34 8 44
% dentro del tipo de inversionista 38.6% 77.3% 18.2% 100.0%
Count 38 66 14 84
% dentro del tipo de inversionista 45.2% 78.6% 16.7% 100.0%
Fuente: Data recopilada y procesada en SPSS.
Total
VariableDicotomica *Falacia del Jugador Crosstabulation
Contabilidad Mental
Variable
Dicotomica
Jóven
Experimentado
Value df Asymp. Sig. (2-sided)
Pearson Chi-Square 7.515a 2 .023
Likelihood Ratio 8.281 2 .016
N of Valid Cases 84
Fuente: Data recopilada y procesada en SPSS.
Chi-Square Tests
a. 0 cells (0.0%) have expected count less than 5. The minimum
expected count is 6.67.
76
muestra completamente neutra. Esto implica que no solo los inversionistas jóvenes son
más afectados por este sesgo en promedio.
Tabla 3.46
Contabilidad mental – puntajes ponderados
3.4.9 Retrospectiva
Es habitual para el ser humano reflexionar sobre situaciones y decisiones pasadas. La
mente humana y los procesos cognitivos son elementos altamente complejos, pero existen
ciertas características en nuestro modo de pensar que nos hacen más propensos a caer en
lógicas irracionales, el sesgo retrospectivo es una de estas.
Es un error común para nuestra mente creerse en capacidad de saber el resultado
de una determinada acción o decisión una vez que el evento ya ha pasado. Para probar si
este sesgo afecta de manera significativa a los inversionistas peruanos se realizaron dos
preguntas relacionadas.
En la primera se preguntó20 si fue posible predecir el colapso financiero de la
bolsa de valores de Wall-Street al inicio de la crisis financiera, el 13.1% de los
inversionistas dijo pensar que realizar la predicción era muy sencillo mientras que el
20.2% consideró que habría sido sencillo. Esta es una clara señal de la presencia del sesgo
retrospectivo.
En un inicio las razones de la crisis de Wall-Street y las consecuencias que esta
iba a tener eran inimaginables para la gran mayoría, además un gran número de expertos
vivía en esos momentos de decisiones de inversión y análisis del comportamiento de la
bolsa y ellos tampoco pudieron predecirlo.
20 Pregunta 9, anexo I.
Tipo de Inversionista Puntaje Ponderado Promedio Puntaje de referencia Resultado
Jóven 133 22.2 13.3 Presencia del sesgo
Experimentado 127 21.2 14.7 Presencia del sesgo
Fuente: Data recopilada y procesada en MS Excel.
77
Tabla 3.47
Retrospectivo – tabla de contingencia I
La segunda pregunta realizada fue similar, se consultó a los inversionistas que tan
fácil habría sido convencerlos de que se acercaba una crisis financiera entre 2006 y 2007,
se le dio un rango de respuestas en una escala de 1 a 5. Las respuestas fueron recodificadas
de la siguiente manera 1-2 (no convencido), 3 (tal vez) y de 4-5 (fácilmente convencido),
las respuestas se muestran en la tabla 3.49
Tabla 3.48
Retrospectivo – tabla de contingencia II
Un 35.7% de los encuestados respondió que habría sido fácil o muy fácil
convencerlos de que se aproximaba una crisis y solo el 29.8% admitió que habría sido
muy difícil convencerlos.
La prueba de puntajes ponderados en la tabla 3.49 permitió aclarar el efecto,
observando que con respecto a una muestra neutral de referencia los inversionistas
encuestados se ven afectados por el sesgo retrospectivo, tanto para los jóvenes como para
los experimentados.
Muy Sencillo Sencillo Difícil Total
Count 4 9 27 40
% dentro del tipo de inversionista 10.0% 22.5% 67.5% 100.0%
Count 7 8 29 44
% dentro del tipo de inversionista 15.9% 18.2% 65.9% 100.0%
Count 11 17 56 84
% dentro del tipo de inversionista 13.1% 20.2% 66.7% 100.0%
Fuente: Data recopilada y procesada en SPSS.
Total
VariableDicotomica *9Crosstabulation
Retrospectivo
Variable
Dicotomica
Jóven
Experimentado
Fácilmente
ConvencidoTal vez
No
convencidoTotal
Count 12 18 10 40
% dentro del tipo de inversionista 30.0% 45.0% 25.0% 100.0%
Count 18 11 15 44
% dentro del tipo de inversionista 40.9% 25.0% 34.1% 100.0%
Count 30 29 25 84
% dentro del tipo de inversionista 35.7% 34.5% 29.8% 100.0%
Fuente: Data recopilada y procesada en SPSS.
Total
VariableDicotomica *RetrospectivoCrosstabulation
Retrospectivo
Variable
Dicotomica
Jóven
Experimentado
78
Tabla 3.49
Retrospectivo – puntajes ponderados
Tipo de Inversionista Puntaje Ponderado Promedio Puntaje de referencia Resultado
Jóven 82 13.7 13.3 Presencia del sesgo
Experimentado 91 15.2 14.7 Presencia del sesgo
Fuente: Data recopilada y procesada en MS Excel.
79
CAPÍTULO IV: RESUMEN DE RESULTADOS
Esta tesis ha sido diseñada para analizar la presencia y los efectos de nueve sesgos
conductuales en los procesos de decisión de inversionistas peruanos en el periodo 2010-
2015. Se realizaron 30 preguntas a una muestra de 84 inversionistas que participaron en
la bolsa de valores de Lima. y los resultados fueron analizados principalmente mediante
el software estadístico IBM SPSS. Se obtuvieron de la muestra principal dos sub muestras
definidas a priori en función a los años de experiencia de los inversionistas, se codificaron
10 variables en SPSS una dicotómica (años de experiencia) y el resto corresponden a los
9 sesgos conductuales. Estas variables fueron creadas utilizando técnicas de escalamiento
como Likert 3 y Likert 5.
Se descartó la posibilidad de la presencia de multicolinealidad en la muestra y
posteriormente se aplicó el análisis discriminante para observar si el comportamiento de
los inversionistas en función de los sesgos era significativamente diferente entre ambos
grupos. Posteriormente se realizó un análisis individual a cada sesgo para comprobar si
la muestra mostraba presencia de dichos sesgos y si estos afectaban de manera
estadísticamente diferente a ambos grupos. Las pruebas realizadas y las hipótesis fueron
analizadas con pruebas Chi-cuadrado en SPSS.
Los resultados del análisis discriminante se presentan en la tabla 4.1, mientras que
en las tablas 4.2 y 4.3 se observan, respectivamente, el resumen de resultados de las
pruebas de puntajes ponderados y Chi-cuadrado.
80
Tabla 4.1
Análisis discriminante – resumen de resultados
Como podemos observar el análisis discriminante establece que para 7 de los 9
sesgos conductuales no se puede afirmar que los inversionistas jóvenes estén siendo más
afectados que los inversionistas experimentados. Esto presenta evidencia de que no sería
correcto separar en dos grupos que se comportan diferente en función a los años de
experiencia.
Sin embargo, el análisis discriminante asignó correctamente el 67.9% de los casos
de manera que establece un alto grado de predicción en base a las variables especificadas.
A pesar de que no existe una diferencia estadísticamente aceptable para afirmar que
ambos grupos son afectados de manera diferente por los sesgos sí se puede afirmar que
en su mayoría la muestra de inversionistas jóvenes fue más propensa a caer en
comportamientos irracionales al momento de realizar inversiones.
Cuando se preguntó a los inversionistas acerca de las pérdidas incurridas en el
periodo 2013-2014 el 83% de los inversionistas jóvenes admitió haber experimentado
pérdidas y el 75% de los inversionistas experimentados también. El objetivo de esta
prueba era saber si algún grupo de inversionistas era más afectado que el otro por las
pérdidas y los resultados demostraron que los inversionistas jóvenes y los experimentados
eran afectados de la misma manera en el periodo analizado es decir los años de
experiencia no habían mitigado el impacto de las pérdidas.
En la tabla 4.1 se comprueba la presencia de 5 de los 9 sesgos en la muestra de
inversionistas y 7 de 9 sesgos para la sub muestra de inversionistas jóvenes. Relacionando
esta información con los resultados presentados por los inversionistas explicados
Análisis Discriminante
Sesgos Conductuales ¿Un grupo de inversionista es mas afectado que otro?
Exceso de Confianza No
Representatividad Sí
Efecto Manada No
Anclaje No
Disonancia Cognitiva No
Temor al arrepentimiento No
Falacia del Jugador No
Contabilidad Mental Sí
Retrospectiva No
Fuente: Data recopilada y procesada en SPSS.
81
anteriormente podría inferirse que las pérdidas en las que incurrieron los inversionistas
podrían estar ligadas directamente a los sesgos conductuales que estos presentan.
Comparativamente parece presentarse una relación ya que los inversionistas jóvenes son
influenciados por 77.7% de los sesgos y presentan el mayor porcentaje de pérdidas (83%)
mientras que los inversionistas experimentados son afectados solo por el 55.5% de los
sesgos y el nivel de pérdidas que presentaron fue menor (75%).
Tabla 4.2
Método de puntajes ponderados – resumen de resultados
Tabla 4.3
Pruebas chi-cuadrado – resumen tablas de contingencia
El resultado de las pruebas Chi-cuadrado a las tablas de contingencia muestra que
solo se puede considerar que el grupo de inversionistas jóvenes se encuentra más sesgado
que el de inversionistas experimentados para las variables Contabilidad y Exceso de
confianza, debido al tamaño de la muestra y los resultados la prueba ha sido
inconcluyente para 3 sesgos conductuales y ha sido rechazada para otros 4.
Resultados: Método de Puntajes Ponderados
Sesgos Conductuales ¿Presencia del sesgo?
Exceso de Confianza Sí
Representatividad Sí
Efecto Manada Sí
Anclaje No
Disonancia Cognitiva Presencia en jóvenes
Temor al arrepentimiento Presencia en jóvenes
Falacia del Jugador No
Contabilidad Mental Sí
Retrospectiva Sí
Fuente: Data recopilada y procesada en SPSS.
Pruebas Chi-cuadrado
Sesgos Conductuales ¿Un grupo de inversionistas más sesgado que otro?
Exceso de Confianza Sí
Representatividad Resultado Inconcluso
Efecto Manada No
Anclaje No
Disonancia Cognitiva No
Temor al arrepentimiento No
Falacia del Jugador Resultado Inconcluso
Contabilidad Mental Sí
Retrospectiva Resultado Inconcluso
Fuente: Data recopilada y procesada en SPSS.
82
4.1 Efectos claves y consecuencias
Los efectos y consecuencias de los sesgos conductuales previamente presentados se
resumen en la siguiente tabla.
Tabla 4.4
Efectos y consecuencias – resumen
La última pregunta de la encuesta tenía como objetivo captar el grado de conocimiento
que tienen los inversionistas con relación a las finanzas conductuales.
Sesgo conductual Efectos clave en el inversionista Consecuencias
Exceso de Confianza
Demasiados intercambios, toma de
demasiado riesgo y poca o nula
diversificación
Pagos excesivos a brokers e impuestos,
mayor probabilidad de altas pérdidas
Representatividad
Tendencia a asociar nuevos eventos a otros
pasados y realizar inversiones basadas
exclusivamente en la similitud
Compra de acciones sobre valoradas, evitar
acciones desconocidas a pesar de análisis
favorable
Efecto ManadaFalta de individualismo en la toma de
decisiones
Burbujas y exceso de precio en accione,
también pánicos y caídas.
Anclaje
Tendencia a considerar como apropiados
niveles de precio irrelevantes en el proceso
de toma de decisiones
Pérdida de oportunidades de inversión, mal
momento de entrada o salida del mercado
Disonancia CognitivaIgnorar nueva información que contradice
creencias o decisiones pasadas
Reduce la habilidad para tomar decisiones
racionales y realizar buenas inversiones
Temor al arrepentimiento
Vender acciones que están generando
ganancias muy pronto y aferrarse
demasiado a acciones que están generando
pérdidas
Menores retornos
Falacia del JugadorTomar demasiado riesgo luego de haber
tenido suerte en ciertas inversiones
Aumento de la probabilidad de altas
pérdidas
Contabilidad Mental Diversificación baja o nulaEfectos irracionales y negativos en la
rentabilidad
RetrospectivaTendencia a sentir que un evento pasado
era obvio cuando en realidad no lo era.
Exceso de simplificación en los procesos de
toma de decisiones
Fuente: Subash (Behavioral Finance in Portfolio Investment Decisions: Evidence from India, 2012) elaboración propia. Revisado en octubre 2015
83
Tabla 4.5
Conocimiento de las finanzas conductuales
Como se puede observar en la tabla, solo el 11% de la muestra de inversionistas
(9 de un total de 82 que respondieron la pregunta) consideran tener un nivel promedio de
conocimiento de las finanzas conductuales, mientras que solo 5 (casi todos inversionistas
experimentados) admiten tener una buena o alta experiencia del tema. Aproximadamente
el 56% de la muestra no tenía conocimiento o su conocimiento era malo. El 27% restante
admitió tener un bajo o poco conocimiento del tema.
Nula Mala Baja Promedio Buena Total
Count 8 10 16 5 1 40
% dentro del tipo de inversionista 20.0% 25.0% 40.0% 12.5% 2.5% 100.0%
Count 17 11 6 4 4 42
% dentro del tipo de inversionista 40.5% 26.2% 14.3% 9.5% 9.5% 100.0%
Count 25 21 22 9 5 82
% dentro del tipo de inversionista 30.5% 25.6% 26.8% 11.0% 6.1% 100.0%
Fuente: Data recopilada y procesada en SPSS.
Total
VariableDicotomica * Conocimiento de las Finanzas Conductuales Crosstabulation
Overconfidence
Variable
Dicotomica
Jóven
Experimentado
84
CONCLUSIONES
El objetivo de la presente tesis era el de evaluar concretamente la presencia y
consecuencias de los llamados “sesgos conductuales” en una muestra de inversionistas
peruanos, identificando los sesgos de mayor incidencia y frecuencia y comparar los
resultados obtenidos por los inversionistas en relación a estos. La investigación ha
logrado obtener resultados que permiten evaluar correctamente los objetivos trazados,
tanto el objetivo principal como ambos objetivos específicos.
A continuación, detallaremos las conclusiones a las que se han llegado a partir de
la presente investigación:
• Se ha logrado probar satisfactoriamente la hipótesis principal de presencia de
sesgos conductuales en los inversionistas peruanos y la primera hipótesis
específica21, pero no se ha encontrado evidencia confirmatoria para la segunda
hipótesis específica22.
• Se ha logrado comprobar la presencia de la mayoría de sesgos (con excepción
de Falacia del Jugador y Anclaje) en la muestra analizada, sin embargo, no ha
sido posible probar una relación directa concreta entre el impacto de los sesgos
y los años de experiencia de los inversionistas.
• Los resultados indican que con excepción de Contabilidad Mental y Exceso de
Confianza los sesgos conductuales afectan de manera similares tanto a los
inversionistas jóvenes como a los experimentados.
• No se ha encontrado evidencia concluyente que indique que sin lugar a dudas
los años de experiencia influyen en la frecuencia e incidencia de los sesgos
conductuales en la muestra de inversionistas analizada.
21 El número de años de experiencia de los inversionistas considerados no reduce la frecuencia y la
incidencia de los sesgos conductuales en la toma de decisiones.
22 Los sesgos conductuales que se presentan con mayor frecuencia son “efecto manada”, “exceso de
confianza” y anclaje” sesgos que pueden generar burbujas y caídas de precios en el mercado de valores
peruano
85
• No se ha encontrado evidencia de que exista anclaje en los inversionistas
analizados, aunque si se ha probado la presencia de efecto manada y exceso de
confianza en la muestra.
Limitaciones: El presente estudio plantea estudiar el comportamiento de los
inversionistas mediante un cuestionario. La toma de decisiones de inversión es un proceso
complejo y exhaustivo, por lo tanto, es posible que durante el cuestionario el inversionista
se encuentre relajado y con la mente fresca, por lo tanto, podría elegir respuestas que lo
hagan quedar bien, especialmente en contextos en que se presentan situaciones
hipotéticas
86
RECOMENDACIONES
Autores como Pompian, John Logo, Rahul Subash entre otros indican que el
conocimiento de las finanzas conductuales puede ayudar a disminuir el impacto que
tienen los sesgos conductuales en las decisiones de inversión de inversionistas en todo el
mundo.
A continuación, detallaremos las recomendaciones:
• En primer lugar, se recomienda a los inversionistas conocer la teoría de las
finanzas conductuales, cuáles son sus principales implicancias y comprender
de manera básica los sesgos conductuales en un proceso de 3 pasos.
¿Cuáles son los sesgos conductuales y sus efectos?
¿Cuándo aparecen dichos sesgos y de qué manera se presentan?
¿Cómo evitarlos o mitigarlos?
• En segundo lugar, una vez comprendido en qué consiste y qué implican los
sesgos conductuales se recomienda a los inversionistas analizar detalladamente
su comportamiento pasado para encontrar la presencia de dichos sesgos en su
comportamiento pasado. Una vez que se identifican los comportamientos
sesgados el inversionista debe reconocer que tipo de eventos o razonamientos
llevaron a estos para, en el futuro, evitar cometer los mismos errores.
• En tercer lugar se recomendaría a la Superintendencia de Mercado de Valores
(SMV) realizar presentaciones simples en determinados canales de televisión
y noticieros que expliquen brevemente los conceptos básicos de las finanzas
conductuales y algunos de los sesgos conductuales más representativos. De
esta manera se espera generar mayor consciencia entre los inversionistas acerca
de los peligros de estos y el daño que pueden generar a su rentabilidad.
También se podrían colgar presentaciones específicas que expliquen, mediante
ejemplos simples, en qué consisten dichos sesgos, como identificarlos y
evitarlos.
87
• El autor Michael Pompian en su libro Behavioral Finance and Wealth
Management presenta de manera práctica y didáctica métodos concretos que
utilizan las finanzas conductuales para identificar los sesgos en el
comportamiento de inversionistas y mitigarlos bajo los principios de
moderación y adaptación, también incluye pruebas de personalidad que
permiten catalogar a los diferentes inversionistas de acuerdo a las
características que presentan y brinda estrategias para construir portafolios
eficientes que mitiguen los sesgos conductuales. Finalmente, la última
recomendación sería diseñar y dictar cursos similares al propuesto
anteriormente, en entidades como la SMV o Universidades e Institutos, estos
cursos estarían dirigidos principalmente a traders y brokers.
Estas medidas serían una manera efectiva y práctica de disminuir la presencia de
sesgos conductuales en los inversionistas promedio y permitiría disminuir las anomalías
de mercado en el comportamiento de la bolsa de valores de Lima. Por otro lado, estas
medidas aumentarían incrementar la rentabilidad de brokers, traders e inversionistas
mejorando sus retornos.
Se resalta que los resultados obtenidos por la presente investigación aún son
válidos a pesar del tiempo transcurrido desde la aplicación de la encuetas porque ni la
formación de los inversionistas ni las condiciones del mercado han cambiado
radicalmente desde entonces.
88
REFERENCIAS
Aldas Manzano, J. y Uriel Jimenez, E. (2005). Análisis Multivariante Aplicado.
Madrid: International Thomson Editores. Recuperado de:
http://dspace.ucbscz.edu.bo/dspace/bitstream/123456789/4268/1/4542.pdf
Barber, B. M. y Odean, T. (Febraury de 2001). Boys will be Boys: Gender,
Overconfidence and Common Stock Investment. The Quarterly Journal of
Economics, págs. 261-292. Recuperado en:
https://faculty.haas.berkeley.edu/odean/papers/gender/boyswillbeboys.pdf
Barberis, N. y Thaler, R. (2003). A Survey of Behavioral Finance. Handbook of the
Economics of Finance. Elsevier Science. Recuperado de:
http://faculty.som.yale.edu/nicholasbarberis/ch18_6.pdf
Behavioral Finance: A new sunrise or a false dawn? (2000). Limerick: University of
Limerick. Recuperado de:
https://wenku.baidu.com/view/03d9b56baf1ffc4ffe47ace7.html
Belsky, G. y Gilovich, T. (1999). Behavioural Finance. Recuperado de:
http://introduction.behaviouralfinance.net/.
Bernstein, P. L. (1998). Against the Gods. Recuperado de: https://www.wiley.com/en-
us/Against+the+Gods%3A+The+Remarkable+Story+of+Risk-p-
9780471295631
Cano, C. y Cardoso, E. (2015). El Impacto de los sesgos conductuales en la toma de
decisiones de inversión. Revista Moneda - 162. Recuperado de
http://www.bcrp.gob.pe/docs/Publicaciones/Revista-Moneda/moneda-
162/moneda-162-07.pdf
Capital Market Seasonality: The case of stock returns. (1976). Journal of Financial
Economics. Recuperado de:
https://www.sciencedirect.com/science/article/pii/0304405X76900283
89
De la Fuente F., S. (2011). Análisis Discriminante. Madrid: Universidad Autonoma de
Madrid. Recuperado de:
http://www.fuenterrebollo.com/Economicas/ECONOMETRIA/SEGMENTACI
ON/DISCRIMINANTE/analisis-discriminante.pdf
De la Garza García, J., Morales Serrano, B. y Gonzáles Cavazos, B. ( 2013). Análisis
Estadístico Multivariante: Un enfoque teórico y práctico. México DF: McGraw-
Hill/Interamericana Editores. Recuperado de:
https://industrial.utp.edu.co/maestrias/investigacion-operativa/libros-de-
referencia/analisis-estadistico-multivariante-un-enfoque-teorico-y-practico.pdf
Fama, E. (1965). Random Walks in Stock Market Prices. Financial Analysts Journal
21. 55 - 59. Recuperado de:
https://www.chicagobooth.edu/~/media/34F68FFD9CC04EF1A76901F6C61C0
A76.PDF
From Efficient Markets Theory to Behavioral Finance. (2002). Journal of Economic
Perspectives 17. Recuperado de:
https://www.aeaweb.org/articles?id=10.1257/089533003321164967
Goffman, E. (1974). Frame Analysis: An essay on the organization of experience.
Recuperado de:
https://books.google.com.pe/books/about/Frame_analysis.html?id=7oRqAAAA
MAAJ&redir_esc=y
Graham, B. (1949). The Intelligent Investor. Estados Unidos: Harper & Brothers.
Recuperado de:
https://www.goodreads.com/book/show/106835.The_Intelligent_Investor
Herd Behavior and Investment. (Junio de 1990). The American Economy Review, págs.
465-479. Recuperado de: https://scholar.harvard.edu/stein/publications/herd-
behavior-and-investment
Kahneman, D. y Tversky, A. (1972). Subjective Probability: A judgment of
Representativeness. Cognitive Psychology 3, págs. 430 – 454. Recuperado de:
https://link.springer.com/chapter/10.1007/978-94-010-2288-0_3
90
Kahneman, D. y Tversky, A. (1973). On the psychology of prediction. Psychological
Review 80, págs. 237 – 251. Recuperado de:
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.395.3759&rep=rep1&
type=pdf
Kahneman, D. y Tversky, A. (1979). Prospect Theory: An Analysis of Decision under
Risk. Econometrica 47(, págs. 263 – 291. Recuperado de:
http://www.its.caltech.edu/~camerer/Ec101/ProspectTheory.pdf
Krueger, L. W. y Lawrence, N. (2006). Social Work Research Methods. Pearson.
Recuperado de: https://www.pearson.com/us/higher-
education/program/Kreuger-Social-Work-Research-Methods-with-Research-
Navigator/PGM180802.html
Liao, D. y Valliant, R. (Junio de 2012). Variance inflation factors in the analyisis of
complex survey data. Component of Statistics Canada, págs. 53-60. Recuperado
de:
https://pdfs.semanticscholar.org/172a/462f01ab8947d7f5621468e35f64d299819
9.pdf
Nofsinger. (2002). Psychological Biases of Investors. Washigton: Washington State
University. Recuperado de:
https://www.researchgate.net/publication/230720757_Psychological_Biases_of_
Investors
Odean, T. (Octubre del 1998). Are Investors Reluctant to Realize Their Losses?.
Journal of Finance Vol. 53 No. 5, págs. 1775-1798. Recuperado de:
https://faculty.haas.berkeley.edu/odean/papers%20current%20versions/areinvest
orsreluctant.pdf
Odean, T. (December de 1998). Volume, Volatility, Price and Profit When All Traders
Are Above Average. The Journal of Finance, págs. 1887-1932. Recuperado de:
http://faculty.haas.berkeley.edu/odean/papers%20current%20versions/vvpp.pdf
Pérez L, C. (2005). Métodos Estadísticos Avanzados con SPSS. Madrid: International
Thomson Editores. Recuperado de:
https://www.researchgate.net/publication/44727354_Metodos_estadisticos_avan
zados_con_SPSS_Cesar_Perez_Lopez
91
Pompian, M. M. (2006). Behavioral Finance and Wealth Management: How to build
Optimal Portfolios That Account for Investors Biases. New Jersey: John Wileys
& Sons, Inc. Recuperado de: https://epdf.tips/behavioral-finance-and-wealth-
management-how-to-build-optimal-portfolios-that-ac.html
Ramirez, D. (2007). Heterocedasticidad. Universidad de Los Andes Venezuela.
Recuperado de http://webdelprofesor.ula.ve/economia/dramirez/
Schindler, M. (2007). Rumors in Financial Markets: Insights into Behavioral Finance.
West Sussex: John Wiley & Sons Ltd. Recuperado de:
https://books.google.com.pe/books?hl=es&lr=&id=f9c455Ucx1AC&oi=fnd&pg
=PR5&dq=Rumors+in+Financial+Markets:+Insights+into+Behavioral+Finance
&ots=ezek74Tkzm&sig=Tgcz6kW8XiQSz6Ni2cqwqGHgYt0#v=onepage&q=
Rumors%20in%20Financial%20Markets%3A%20Insights%20into%20Behavio
ral%20Finance&f=false
Shefrin, H. (2000). Beyond Greed and Fear: Understanding Behavioral Finance and
the Psychology of Investing. New York: Oxford University Press. Recuperado
de:
https://books.google.com.pe/books?hl=es&lr=&id=hX18tBx3VPsC&oi=fnd&p
g=PR9&dq=Beyond+Greed+and+Fear:+Understanding+Behavioral+Finance+a
nd+the+Psychology+of+Investing&ots=0vs5fvzqZz&sig=8i1kOKAp1VYvuFY
Wo79iFTgvmyU#v=onepage&q=Beyond%20Greed%20and%20Fear%3A%20
Understanding%20Behavioral%20Finance%20and%20the%20Psychology%20o
f%20Investing&f=false
Shleifer, A. (2000). Finance, Inefficient Markets: An introduction to Behavioral. Oxford
University Press. New York. Recuperado de:
https://books.google.com.pe/books?hl=es&lr=&id=vIP4y-
luYoIC&oi=fnd&pg=PA1808&dq=Finance,+Inefficient+Markets:+An+introdu
ction+to+Behavioral&ots=P3z1DG9sOm&sig=yXgoManqigG1kiHEh_i4zGIxG
XA#v=onepage&q=Finance%2C%20Inefficient%20Markets%3A%20An%20in
troduction%20to%20Behavioral&f=false
Smith, A. (1759). The Theory of Moral Sentiments. Recuperado de:
https://www.earlymoderntexts.com/assets/pdfs/smith1759.pdf
92
Subash, R. (2012). Role of Behavioral Finance in Portfolio Investment Decisions:
Evidence from India. Prague: Charles University in Prague. Recuperado de:
ies.fsv.cuni.cz/default/file/download/id/20803
Subrahmanyam, A. (2007). Behavioral Finance: A Review and Synthesis. European
Financial Management 14. Recuperado de:
https://www.researchgate.net/publication/46538186_Behavioural_Finance_A_R
eview_and_Synthesis
Thaler, R. (1988). Anomalies: The Winner’s Curse. Journal of Economic Perspectives.
Recuperado de:
https://faculty.chicagobooth.edu/richard.thaler/research/pdf/the%20winner%27s
%20curse.pdf
Thaler, R. (2005). Advances in Behavioral Finance, Volume II . Princeton: Princeton
University Press. Recuperado de:
https://books.google.com.pe/books?hl=es&lr=&id=xAE2zfB12BcC&oi=fnd&p
g=PP1&dq=Advances+in+Behavioral+Finance&ots=jeTOqbAy9Y&sig=jZGQ
EUBVhR2ALiYst3-
yWNI25Yg#v=onepage&q=Advances%20in%20Behavioral%20Finance&f=fal
se
Thaler, R. H. (December de 1999). Mental Accounting Matters. Journal of Behavioral
Decision Making, págs. 183-206. Recuperado de:
https://faculty.chicagobooth.edu/richard.thaler/research/pdf/mentalaccounting.p
df
Thaler, R. H. (2017). From Cashews to Nudges: The Evolution of Behavioral
Economics. Prize Lecture: From Cashews to Nudges: The Evolution of
Behavioral Economics. Estocolmo. Recuperado de:
https://pubs.aeaweb.org/doi/pdf/10.1257/aer.108.6.1265
Thaler, R. H. y Sunstein, C. R. (2008). Nudge: Improving decisions about health,
wealth and happiness. (pág. 283). New haven: Yale University Press.
Recuperado de:
file:///C:/Users/Marin%20Rodriguez/Downloads/Richard_H._Thaler_Cass_R._
Sunstein_Nudge_Improv..pdf
93
Tversky, A. y Kahneman, D. (September de 1974). Judgment under Uncertainty:
Heuristics and Biases. Science, New Series, Vol. 185, No. 4157, págs. 1124-
1131. Recuperado de:
http://psiexp.ss.uci.edu/research/teaching/Tversky_Kahneman_1974.pdf
Tversky, A., y Kahneman, D. (1981). The Framing of Decisions and the Psychology of
Choice. Science 211(4481), págs. 453 – 458. Recuperado de:
https://www.uzh.ch/cmsssl/suz/dam/jcr:ffffffff-fad3-547b-ffff-
ffffe54d58af/10.18_kahneman_tversky_81.pdf
Universidad Carlos III de Madrid. (2006). Análisis Multivariante. Madrid: Universidad
Carlos III de Madrid. Recuperado de:
http://www.tsc.uc3m.es/~smunoz/Tesis/tesis_smunoz.pdf
Weber, M., y Camerer, C. (1998). Disposition Effect in Securities Trading: an
Experimental Analysis. Journal of Economic Behavior & Organization, págs.
167-184. Recuperado de:
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.594.438&rep=rep1&t
ype=pdf
94
BIBLIOGRAFÍA
Aldas Manzano, J. y Uriel Jimenez, E. (2005). Análisis Multivariante Aplicado.
Madrid: International Thomson Editores. Recuperado de:
http://dspace.ucbscz.edu.bo/dspace/bitstream/123456789/4268/1/4542.pdf
Barber, B. M. y Odean, T. (Febraury de 2001). Boys will be Boys: Gender,
Overconfidence and Common Stock Investment. The Quarterly Journal of
Economics, págs. 261-292. Recuperado en:
https://faculty.haas.berkeley.edu/odean/papers/gender/boyswillbeboys.pdf
Barberis, N. y Thaler, R. (2003). A Survey of Behavioral Finance. Handbook of the
Economics of Finance. Elsevier Science. Recuperado de:
http://faculty.som.yale.edu/nicholasbarberis/ch18_6.pdf
Behavioral Finance: A new sunrise or a false dawn? (2000). Limerick: University of
Limerick. Recuperado de:
https://wenku.baidu.com/view/03d9b56baf1ffc4ffe47ace7.html
Belsky, G. y Gilovich, T. (1999). Behavioural Finance. Recuperado de:
http://introduction.behaviouralfinance.net/.
Bernstein, P. L. (1998). Against the Gods. Recuperado de: https://www.wiley.com/en-
us/Against+the+Gods%3A+The+Remarkable+Story+of+Risk-p-
9780471295631
Cano, C. y Cardoso, E. (2015). El Impacto de los sesgos conductuales en la toma de
decisiones de inversión. Revista Moneda - 162. Recuperado de
http://www.bcrp.gob.pe/docs/Publicaciones/Revista-Moneda/moneda-
162/moneda-162-07.pdf
Capital Market Seasonality: The case of stock returns. (1976). Journal of Financial
Economics. Recuperado de:
https://www.sciencedirect.com/science/article/pii/0304405X76900283
95
De la Fuente F., S. (2011). Análisis Discriminante. Madrid: Universidad Autonoma de
Madrid. Recuperado de:
http://www.fuenterrebollo.com/Economicas/ECONOMETRIA/SEGMENTACI
ON/DISCRIMINANTE/analisis-discriminante.pdf
De la Garza García, J., Morales Serrano, B. y Gonzáles Cavazos, B. ( 2013). Análisis
Estadístico Multivariante: Un enfoque teórico y práctico. México DF: McGraw-
Hill/Interamericana Editores. Recuperado de:
https://industrial.utp.edu.co/maestrias/investigacion-operativa/libros-de-
referencia/analisis-estadistico-multivariante-un-enfoque-teorico-y-practico.pdf
Fama, E. (1965). Random Walks in Stock Market Prices. Financial Analysts Journal
21. 55 - 59. Recuperado de:
https://www.chicagobooth.edu/~/media/34F68FFD9CC04EF1A76901F6C61C0
A76.PDF
From Efficient Markets Theory to Behavioral Finance. (2002). Journal of Economic
Perspectives 17. Recuperado de:
https://www.aeaweb.org/articles?id=10.1257/089533003321164967
Goffman, E. (1974). Frame Analysis: An essay on the organization of experience.
Recuperado de:
https://books.google.com.pe/books/about/Frame_analysis.html?id=7oRqAAAA
MAAJ&redir_esc=y
Graham, B. (1949). The Intelligent Investor. Estados Unidos: Harper & Brothers.
Recuperado de:
https://www.goodreads.com/book/show/106835.The_Intelligent_Investor
Herd Behavior and Investment. (Junio de 1990). The American Economy Review, págs.
465-479. Recuperado de: https://scholar.harvard.edu/stein/publications/herd-
behavior-and-investment
Kahneman, D. y Tversky, A. (1972). Subjective Probability: A judgment of
Representativeness. Cognitive Psychology 3, págs. 430 – 454. Recuperado de:
https://link.springer.com/chapter/10.1007/978-94-010-2288-0_3
96
Kahneman, D. y Tversky, A. (1973). On the psychology of prediction. Psychological
Review 80, págs. 237 – 251. Recuperado de:
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.395.3759&rep=rep1&
type=pdf
Kahneman, D. y Tversky, A. (1979). Prospect Theory: An Analysis of Decision under
Risk. Econometrica 47(, págs. 263 – 291. Recuperado de:
http://www.its.caltech.edu/~camerer/Ec101/ProspectTheory.pdf
Krueger, L. W. y Lawrence, N. (2006). Social Work Research Methods. Pearson.
Recuperado de: https://www.pearson.com/us/higher-
education/program/Kreuger-Social-Work-Research-Methods-with-Research-
Navigator/PGM180802.html
Liao, D. y Valliant, R. (Junio de 2012). Variance inflation factors in the analyisis of
complex survey data. Component of Statistics Canada, págs. 53-60. Recuperado
de:
https://pdfs.semanticscholar.org/172a/462f01ab8947d7f5621468e35f64d299819
9.pdf
Nofsinger. (2002). Psychological Biases of Investors. Washigton: Washington State
University. Recuperado de:
https://www.researchgate.net/publication/230720757_Psychological_Biases_of_
Investors
Odean, T. (Octubre del 1998). Are Investors Reluctant to Realize Their Losses?.
Journal of Finance Vol. 53 No. 5, págs. 1775-1798. Recuperado de:
https://faculty.haas.berkeley.edu/odean/papers%20current%20versions/areinvest
orsreluctant.pdf
Odean, T. (December de 1998). Volume, Volatility, Price and Profit When All Traders
Are Above Average. The Journal of Finance, págs. 1887-1932. Recuperado de:
http://faculty.haas.berkeley.edu/odean/papers%20current%20versions/vvpp.pdf
Pérez L, C. (2005). Métodos Estadísticos Avanzados con SPSS. Madrid: International
Thomson Editores. Recuperado de:
https://www.researchgate.net/publication/44727354_Metodos_estadisticos_avan
zados_con_SPSS_Cesar_Perez_Lopez
97
Pompian, M. M. (2006). Behavioral Finance and Wealth Management: How to build
Optimal Portfolios That Account for Investors Biases. New Jersey: John Wileys
& Sons, Inc. Recuperado de: https://epdf.tips/behavioral-finance-and-wealth-
management-how-to-build-optimal-portfolios-that-ac.html
Ramirez, D. (2007). Heterocedasticidad. Universidad de Los Andes Venezuela.
Recuperado de http://webdelprofesor.ula.ve/economia/dramirez/
Schindler, M. (2007). Rumors in Financial Markets: Insights into Behavioral Finance.
West Sussex: John Wiley & Sons Ltd. Recuperado de:
https://books.google.com.pe/books?hl=es&lr=&id=f9c455Ucx1AC&oi=fnd&pg
=PR5&dq=Rumors+in+Financial+Markets:+Insights+into+Behavioral+Finance
&ots=ezek74Tkzm&sig=Tgcz6kW8XiQSz6Ni2cqwqGHgYt0#v=onepage&q=
Rumors%20in%20Financial%20Markets%3A%20Insights%20into%20Behavio
ral%20Finance&f=false
Shefrin, H. (2000). Beyond Greed and Fear: Understanding Behavioral Finance and
the Psychology of Investing. New York: Oxford University Press. Recuperado
de:
https://books.google.com.pe/books?hl=es&lr=&id=hX18tBx3VPsC&oi=fnd&p
g=PR9&dq=Beyond+Greed+and+Fear:+Understanding+Behavioral+Finance+a
nd+the+Psychology+of+Investing&ots=0vs5fvzqZz&sig=8i1kOKAp1VYvuFY
Wo79iFTgvmyU#v=onepage&q=Beyond%20Greed%20and%20Fear%3A%20
Understanding%20Behavioral%20Finance%20and%20the%20Psychology%20o
f%20Investing&f=false
Shleifer, A. (2000). Finance, Inefficient Markets: An introduction to Behavioral. Oxford
University Press. New York. Recuperado de:
https://books.google.com.pe/books?hl=es&lr=&id=vIP4y-
luYoIC&oi=fnd&pg=PA1808&dq=Finance,+Inefficient+Markets:+An+introdu
ction+to+Behavioral&ots=P3z1DG9sOm&sig=yXgoManqigG1kiHEh_i4zGIxG
XA#v=onepage&q=Finance%2C%20Inefficient%20Markets%3A%20An%20in
troduction%20to%20Behavioral&f=false
Smith, A. (1759). The Theory of Moral Sentiments. Recuperado de:
https://www.earlymoderntexts.com/assets/pdfs/smith1759.pdf
98
Subash, R. (2012). Role of Behavioral Finance in Portfolio Investment Decisions:
Evidence from India. Prague: Charles University in Prague. Recuperado de:
ies.fsv.cuni.cz/default/file/download/id/20803
Subrahmanyam, A. (2007). Behavioral Finance: A Review and Synthesis. European
Financial Management 14. Recuperado de:
https://www.researchgate.net/publication/46538186_Behavioural_Finance_A_R
eview_and_Synthesis
Thaler, R. (1988). Anomalies: The Winner’s Curse. Journal of Economic Perspectives.
Recuperado de:
https://faculty.chicagobooth.edu/richard.thaler/research/pdf/the%20winner%27s
%20curse.pdf
Thaler, R. (2005). Advances in Behavioral Finance, Volume II . Princeton: Princeton
University Press. Recuperado de:
https://books.google.com.pe/books?hl=es&lr=&id=xAE2zfB12BcC&oi=fnd&p
g=PP1&dq=Advances+in+Behavioral+Finance&ots=jeTOqbAy9Y&sig=jZGQ
EUBVhR2ALiYst3-
yWNI25Yg#v=onepage&q=Advances%20in%20Behavioral%20Finance&f=fal
se
Thaler, R. H. (December de 1999). Mental Accounting Matters. Journal of Behavioral
Decision Making, págs. 183-206. Recuperado de:
https://faculty.chicagobooth.edu/richard.thaler/research/pdf/mentalaccounting.p
df
Thaler, R. H. (2017). From Cashews to Nudges: The Evolution of Behavioral
Economics. Prize Lecture: From Cashews to Nudges: The Evolution of
Behavioral Economics. Estocolmo. Recuperado de:
https://pubs.aeaweb.org/doi/pdf/10.1257/aer.108.6.1265
Thaler, R. H. y Sunstein, C. R. (2008). Nudge: Improving decisions about health,
wealth and happiness. (pág. 283). New haven: Yale University Press.
Recuperado de:
file:///C:/Users/Marin%20Rodriguez/Downloads/Richard_H._Thaler_Cass_R._
Sunstein_Nudge_Improv..pdf
99
Tversky, A. y Kahneman, D. (September de 1974). Judgment under Uncertainty:
Heuristics and Biases. Science, New Series, Vol. 185, No. 4157, págs. 1124-
1131. Recuperado de:
http://psiexp.ss.uci.edu/research/teaching/Tversky_Kahneman_1974.pdf
Tversky, A., y Kahneman, D. (1981). The Framing of Decisions and the Psychology of
Choice. Science 211(4481), págs. 453 – 458. Recuperado de:
https://www.uzh.ch/cmsssl/suz/dam/jcr:ffffffff-fad3-547b-ffff-
ffffe54d58af/10.18_kahneman_tversky_81.pdf
Universidad Carlos III de Madrid. (2006). Análisis Multivariante. Madrid: Universidad
Carlos III de Madrid. Recuperado de:
http://www.tsc.uc3m.es/~smunoz/Tesis/tesis_smunoz.pdf
Weber, M., y Camerer, C. (1998). Disposition Effect in Securities Trading: an
Experimental Analysis. Journal of Economic Behavior & Organization, págs.
167-184. Recuperado de:
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.594.438&rep=rep1&t
ype=pdf
100
ANEXOS
101
Anexo 1: Encuesta
102
103
104
105
106
107
108